

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、差分進(jìn)化算法(Differential Evolution Algorithm,簡(jiǎn)稱DE)作為進(jìn)化算法的一個(gè)分支,自1995年由Rainer Storn和Kenneth Price為解決切比雪夫多項(xiàng)式而提出以來(lái),就以其收斂性好,容易實(shí)現(xiàn),模型簡(jiǎn)單,控制參數(shù)比較少越來(lái)越受到人們的關(guān)注。DE算法具有較強(qiáng)的全局搜索能力,能使算法不受問(wèn)題性質(zhì)的限制,可有效解決復(fù)雜優(yōu)化問(wèn)題,且越來(lái)越多的被應(yīng)用于實(shí)際問(wèn)題中。
雖然DE算法有很多優(yōu)點(diǎn),但其
2、也存在易陷入局部最優(yōu)、會(huì)出現(xiàn)停滯現(xiàn)象、收斂速度比較慢甚至不收斂等缺點(diǎn)。因此,本文從提高初始種群質(zhì)量以及優(yōu)化種群進(jìn)化策略兩個(gè)方面對(duì)標(biāo)準(zhǔn)DE算法進(jìn)行改進(jìn):采用混沌搜索反向?qū)W習(xí)方法優(yōu)化初始種群以及提出一種兩階段變異交叉策略,最后用5個(gè)基準(zhǔn)函數(shù)對(duì)改進(jìn)算法進(jìn)行測(cè)試,結(jié)果表明改進(jìn)后的DE算法無(wú)論在單模態(tài)還是多模態(tài)優(yōu)化問(wèn)題中均表現(xiàn)出了較好的尋優(yōu)結(jié)果和收斂速度,改進(jìn)效果顯著。
聚類(lèi)是數(shù)據(jù)挖掘、統(tǒng)計(jì)分析、數(shù)據(jù)壓縮和矢量量化等領(lǐng)域的重要應(yīng)用工具,
3、其中K-means聚類(lèi)算法的使用最為廣泛。但K-means聚類(lèi)算法具有需要先確定K值,對(duì)聚類(lèi)中心敏感,且易收斂于局部最優(yōu)值等缺點(diǎn),而DE算法對(duì)于參數(shù)的優(yōu)化又具有很強(qiáng)的魯棒性,因此,為了克服上述K-means聚類(lèi)算法的缺點(diǎn),本文提出一種基于兩階段變異交叉策略的K-means聚類(lèi)改進(jìn)算法K-TMDE,該方法融合了DE算法的全局尋優(yōu)能力以及K-means聚類(lèi)算法的高效性。該算法種群個(gè)體采用以聚類(lèi)中心為個(gè)體向量的編碼方式,結(jié)合混沌搜索反向?qū)W習(xí)方
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 差分進(jìn)化算法的改進(jìn)及其在聚類(lèi)中的應(yīng)用.pdf
- K-means聚類(lèi)算法的改進(jìn).pdf
- K-means聚類(lèi)算法的改進(jìn)研究.pdf
- K-means算法的改進(jìn)及其在文本數(shù)據(jù)聚類(lèi)中的應(yīng)用.pdf
- K-means聚類(lèi)算法的改進(jìn)研究及應(yīng)用.pdf
- K-means聚類(lèi)算法研究及其應(yīng)用.pdf
- 改進(jìn)K-MEANS聚類(lèi)算法在銀行CRM中的應(yīng)用與研究.pdf
- K-Means聚類(lèi)算法的研究與改進(jìn).pdf
- 聚類(lèi)數(shù)據(jù)挖掘在商場(chǎng)中的應(yīng)用及K-means聚類(lèi)算法改進(jìn)研究.pdf
- 改進(jìn)的k-means聚類(lèi)算法在圖像檢索中的應(yīng)用研究.pdf
- K-Means算法研究及在文本聚類(lèi)中的應(yīng)用.pdf
- 基于改進(jìn)差分進(jìn)化的K均值聚類(lèi)算法在入侵檢測(cè)中的研究.pdf
- (6)K-means聚類(lèi)算法.pdf
- K-Means聚類(lèi)算法在犯罪數(shù)據(jù)挖掘中的應(yīng)用.pdf
- K-Means算法改進(jìn)及其在森林健康評(píng)價(jià)中的應(yīng)用.pdf
- k-means聚類(lèi)算法分析應(yīng)用研究
- 基于密度的改進(jìn)K-Means文本聚類(lèi)算法研究.pdf
- 基于遺傳算法的K-MEANS聚類(lèi)改進(jìn)研究.pdf
- K-means聚類(lèi)優(yōu)化算法的研究.pdf
- 基于K-means聚類(lèi)的RCNA識(shí)別算法.pdf
評(píng)論
0/150
提交評(píng)論