一种改进的模糊聚类算法研究

针对模糊C-均值聚类算法不能很好对非椭球形分布,或结构形状不对称分布的数据进行聚类的问题,文章提出了一种基于点密度的模糊C-均值聚类算法PD-FCM,该算法利用数据的点密度能够反映其对不同数据密度分类的符合程度的这一特性,构造了修正参数来改进基于欧几里德距离度量方式,从实现对FCM算法的优化。在人造数据集和知名数据集上的实验结果该算法在准确率和隶属度的准确性方面优于模糊C-均值聚类算法。     

粒子群算法及其在桁架结构优化设计中的应用研究

本文分析了该算法的主要参数对搜索方向的影响,并对粒子群优化算法在桁架结构优化设计中的应用进行了分析。利用粒子群优化算法与遗传算法分别对两个桁架结构优化设计算例进行求解,将两种算法的计算结果进行了对比,计算结果表明在满足相同的计算精度的前提下,粒子群优化算法的效率更高。因此,基于粒子群算法的结构优化设计是切实可行的。     

模糊C聚类综合评价法在企业财务信用评级中的应用

本文针对当前企业财务信用问题,提出了基于模糊C均值聚类和综合评价相结合的财务等级分类方法。探讨了聚类分析方法在财务信用分类中的应用,包括模糊聚类方法和根据聚类中心进行综合评价研究两个方面。采用实际的数据进行了实证分析,表明该方法可根据实际需要获取很好的评价分类效果,而且根据聚类中心进行评价,能更清楚地反映信用等级。     

三种常见现代优化算法的比较

现代最优化算法比较常见的有遗传算法、蚁群算法、粒子群算法、鱼群算法和模拟退火算法。这些算法主要是解决优化问题中的难解问题。文章主要是对遗传算法、粒子群算法和模拟退火算法三个算法的优化性能进行比较。首先介绍了三个算法的基本思想,以此可以了解三种算法有着自身的特点和优势,而后用这三种算法对典型函数进行计算,并对优化结果比较分析,提出了今后研究的方向。     

基于K均值的改进遗传算法求解TSP

提出一种基于K均值聚类方法的改进遗传算法,该算法通过聚类方法把大规模TSP转换为多个小型TSP,利用改进的遗传算法针对每一个类分别优化,求解得到多个闭合回路,再利用节约的思想将多段回路连接构成单一回路。其中遗传算法引入距离因子,结合TSP回路中边的长度进行交叉和变异,实验证明,基于K均值的改进遗传算法在求解结果方面提高30%以上。     

基于模糊C-均值聚类算法的刀具磨损预测研究

本文将模糊C-均值聚类算法应用到了的刀具磨损预测方法中,以振动信号作为特征信号,通过具体检测实验在不同转速下跟踪采集刀具磨损各阶段的振动信号,然后求出信号的时域特征值作为预测样本值,通过模糊C-均值聚类算法对待测样本进行划分类,利用欧几里得贴近度法最终实现刀具磨损预测。结果表明,预测结果与刀具实际磨损状态相符,模糊C-均值聚类算法通过振动信号有效地分类刀具磨损模式。     

基于IK-MD-SA聚类算法的电力数据审计疑点研究

为解决电力行业海量非结构化数据导致审计疑点数据效率、准确性低的难题,本文提出了一种基于迭代IK-MD-SA聚类电力大数据审计疑点算法。首先运用相异性度量算法通过构造相异性矩阵和计算均值相异性改进K-means聚类算法选择初始聚类中心,并将簇均值替换为簇中位数完成后续聚类中心迭代,以消离群点影响聚类结果的准确性。然后利用改进的蜂群算法对聚类结果进行优化,使其保证高运行效率的前提下聚类结果仍具有较高准确性。最后,通过离散性电力数据进行识别潜在疑点试验,验证了所提算法的可行性和有效性。     

基于K均值的改进遗传算法求解TSP

提出一种基于K均值聚类方法的改进遗传算法,该算法通过聚类方法把大规模TSP转换为多个小型TSP,利用改进的遗传算法针对每一个类分别优化,求解得到多个闭合回路,再利用节约的思想将多段回路连接构成单一回路.其中遗传算法引入距离因子,结合TSP回路中边的长度进行交叉和变异,实验证明,基于K均值的改进遗传算法在求解结果方面提高30％以上.     

基于FCM的应急系统选址分类优化

采用模糊C均值聚类分析法（FCM）对应急系统建设的备选地址依据其影响及约束因素进行了分级优化,以便于不同要求的应急服务设施的选址决策。     

基于粒子群算法的模糊插值建模方法研究

由于传统模糊建模方法中模型参数都是人们根据经验选取的,它对于不同系统的动态跟踪能力不同,泛化能力差。针对常规模糊推理的局限性,本文提出一种基于参数的模糊插值建模方法。设计了模糊糊理系统的模型和参数调整方案,利用粒子群算法优化模型中的参数,仿真结果表明该方法的有效性。     

基于遗传算法的大规模定制供应链调度优化研究

大规模定制(MC)模式下的供应链调度优化过程,是典型的随机需求与资源约束的动态问题。为合理解决这一问题,在前期研究成果基础上,提出了包括供应商选择及企业合作时序安排的优化调度模型,并提出了针对这种模型的求解思路,设计了基于遗传算法的求解过程;通过多组数据实验及结果比较分析,对模型算法的有效性、稳定性进行了验证。     

改进的蚁群算法在TSP中的应用

介绍了蚁群算法的特点,提出了基于蚁群算法的TSP问题的求解方法,并分别建立基本蚁群算法及MAX-MIN蚁群算法模型,并引入“三步走”法确定模型参数的最优组合,还结合了交叉局部优化相关的求凸壳顶点的算法进行预处理,进行仿真分析比较。实验结果表明基于MMAS模型相对于基本蚁群算法模型,有比较好最短路径选择能力及良好的可扩展性能,能够较好地适应物流配送系统的要求。     

基于改进蚁群算法的数控机床主轴优化设计

通过机床主轴结构的分析,建立数学模型优化主轴。改进的蚁群算法,将寻优过程分为粗搜索和精搜索两个步骤,将粗搜索获得的可行解进行变异交叉操作,最后通过精搜索完成整个寻优过程。分别采用改进蚁群算法、基本蚁群算法和常规优化设计对主轴进行优化,对比分析优化结果可知,采用改进蚁群算法优化后体积减少了5.6%,刚度提高了8.2%,并且改进蚁群算法比基本蚁群算法优化耗时减少了36%,比常规优化设计减少了57%,这为机床主轴系统的优化提供了一种切实可行的优化算法。     

基于改进遗传算法的FIR数字滤波器的优化设计

提出了利用基于BP(Back Propagation)神经网络的遗传算法来设计FIR数字滤波器的方法。针对遗传算法很难实现全局最优和搜索速度比较慢的缺陷,提出了改进算法,该算法充分利用了遗传算法的全局搜索功能强和BP神经网络的搜索效率高,优化了搜索时间,提高了算法性能,对于解决大规模多极值优化问题特别有效。最后,以设计低通滤波器的实例验证算法的可行性。     

基于并行模拟退火算法的VRP问题研究

针对VRP问题构建相应的数学模型,在传统的模拟退火算法的基础上提出一种基于记忆功能的并行模拟退火算法求解VRP模型,并用模拟数据对模型和算法进行了验证。实验结果表明,改进的模拟退火算法求解VRP问题,不仅可以取得很好的计算结果,而且算法的计算效率较高,收敛速度较快,计算结果也较稳定,显示了良好的寻优性能。     

基于遗传算法的高校排课系统的研究与实现

遗传算法借鉴生物界自然选择和遗传机制,使用群体搜索技术,处理传统搜索方法难以解决的复杂的非线性问题。排课问题是一个NP完全问题,除了穷举法没有绝对的求解方法。高校排课涉及到课程、教室、班级、教师和时间五方面相互关联的因素。按照遗传算法思想,对初始课表进行优化,并用Delphi进行编程,试验结果表明,遗传算法对课表的优化有着比较显著的作用。     

车辆数不确定的软时间窗车辆路径问题的改进遗传算法

综合考虑车辆数和行驶距离两种优化目标,提出了VRPSTW的多目标优化模型,同时提出了解决VRPSTW问题的一种改进遗传算法。在算法中,通过适应度函浸透的变化,较好地解决了多目标优化的问题;通过对交叉算子改进,增加了算法的寻优能力,同时又克服了算法对群体多样性的要求;针对遗传算法局部搜索能力弱的问题。加入了2-opt局部搜索方法,很好地弥补了遗传算法的不足。经过实验,本方法能较好地解决VRPSTW问题,从而对运榆决策提供有力支持。     

遗传算法在装配线平衡中的应用

装配线平衡是混合装配生产线调度的重要基础,是面向订单装配(ATO)得以实施的技术瓶颈,对提高生产率和设备利用率也具有重要意义。在工位数量给定的条件下,文章针对装配线平衡的数学模型,提出了一种面向装配线平衡的非标准遗传算法。该算法基于各操作之间的逻辑优先关系产生可行操作序列而生成初始种群,保证解的可行性;在此基础上实现寻找最小节拍、选定较优序列进行遗传,并采用最优保存策略确保算法收敛到最优或近优解。最后通过实例验证了该算法的有效性和可行性。     

基于改进粒子群算法的SVR参数优化选择的研究

支持向量回归机(SVR)模型的拟合精度和泛化能力取决于其相关参数的选取,由于在参数的选择范围内可选择的数量是无穷的,在多个参数中盲目搜索最优参数是需要极大的时间代价,并且很难逼近最优。因此提出了基于改进粒子群算法的SVR参数优化选择方法。仿真结果表明:该改进粒子群算法优化SVR参数方法可行、有效,由此得到的SVR模型具有更好的学习精度和推广能力。