蟻群算法及其在案例檢索中的應(yīng)用研究.pdf

1、案例推理(CBR)作為基于規(guī)則推理技術(shù)的一個重要補充，已受到人工智能研究人員的關(guān)注。它是當前人工智能及機器學(xué)習(xí)領(lǐng)域中的熱門課題與前沿方向，案例推理系統(tǒng)是通過檢查出案例庫中過去同類的相似問題從而獲得當前問題的解決方案，它克服了傳統(tǒng)知識處理系統(tǒng)對其邊界以外的知識處理十分低效、匹配沖突等缺陷。在案例推理系統(tǒng)中，系統(tǒng)的增量式學(xué)習(xí)會使案例庫無限增大，導(dǎo)致案例推理系統(tǒng)的案例檢索速度越來越慢，從而使得整個系統(tǒng)的性能越來越弱。由此可見，案例檢索在整個系

2、統(tǒng)中位于重要的位置且是系統(tǒng)的瓶頸。論文基于蟻群算法提出一種新的案例檢索方法，并成功實現(xiàn)了系統(tǒng)。 本文在基本蟻群算法的基礎(chǔ)上，針對其初期信息素匱乏，求解速度慢的缺點，利用文中提出的隨機插入式算法和改進的3-opt算法，提出一種蟻群算法的優(yōu)化方案。成功地將聚類問題轉(zhuǎn)換成蟻群求解問題，并使用基于螞蟻覓食啟發(fā)的蟻群算法進行聚類分析。最后針對案例檢索方法在進行大數(shù)據(jù)量檢索時出現(xiàn)的檢索效率低情況，提出用優(yōu)化型蟻群算法解決案例檢索問題。同時建