改進(jìn)的粒子群算法及其在聚類算法中的應(yīng)用.pdf

1、最優(yōu)化方法是研究給定約束條件下如何使某一（或某些）指標(biāo)達(dá)到最優(yōu)的一門學(xué)科，而優(yōu)化算法研究一直是該領(lǐng)域研究的關(guān)鍵問題.粒子群算法是優(yōu)化算法中一個參數(shù)簡單且效果出眾的算法，它結(jié)合個體學(xué)習(xí)經(jīng)驗和社會經(jīng)驗調(diào)整粒子的進(jìn)化方向，從而獲得最優(yōu)解.在互聯(lián)網(wǎng)快速發(fā)展的今天，每天產(chǎn)生的數(shù)據(jù)量急速增加，數(shù)據(jù)規(guī)模從TB躍升到PB甚至EB；數(shù)據(jù)類型多且數(shù)據(jù)結(jié)構(gòu)復(fù)雜，處理難度增加.目前大數(shù)據(jù)的處理和分析技術(shù)越來越受到政府和企業(yè)的關(guān)注.而大多數(shù)數(shù)據(jù)挖掘算法的本質(zhì)基本

2、上都是建立優(yōu)化模型，并用最優(yōu)化方法對目標(biāo)函數(shù)（或損失函數(shù)）進(jìn)行優(yōu)化，以確定最優(yōu)解.
　　本文對優(yōu)化算法進(jìn)行研究，針對粒子群算法容易早熟收斂和陷入局部最優(yōu)解的問題，提出一種改進(jìn)的粒子群算法.并將改進(jìn)后的粒子群算法應(yīng)用到K-means聚類算法與大數(shù)據(jù)處理平臺應(yīng)用中.本文的主要工作如下：
　　首先針對粒子群算法容易早熟收斂和陷入局部最優(yōu)解的缺點(diǎn)，利用遠(yuǎn)離個體最差經(jīng)驗和最差群體經(jīng)驗，提出一種遠(yuǎn)離最差解的粒子群算法，并進(jìn)行了仿真實(shí)驗，

3、驗證算法具有良好的全局收斂性.其次將改進(jìn)后的粒子群算法并行化在 Spark集群上編程實(shí)現(xiàn).Spark平臺是目前應(yīng)用最廣的大數(shù)據(jù)分析平臺，支持Java、Scala、Python和R等多種語言，能夠無縫結(jié)合Hadoop平臺等.
　　最后將改進(jìn)后的粒子群算法應(yīng)用到K-means聚類算法中，對Iris和Wine數(shù)據(jù)集進(jìn)行了仿真實(shí)驗，實(shí)驗結(jié)果較好，并將其應(yīng)用到電信定位樓群中，對所得到的所屬樓群用戶MR信息進(jìn)行聚類，聚類后提取簇間無線基站接入