改進的粒子群算法及其在聚類算法中的應用.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）指標達到最優(yōu)的一門學科，而優(yōu)化算法研究一直是該領域研究的關鍵問題.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)合個體學習經(jīng)驗和社會經(jīng)驗調(diào)整粒子的進化方向，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)復雜，處理難度增加.目前大數(shù)據(jù)的處理和分析技術越來越受到政府和企業(yè)的關注.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)化方法對目標函數(shù)（或損失函數(shù)）進行優(yōu)化，以確定最優(yōu)解.
　　本文對優(yōu)化算法進行研究，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，提出一種改進的粒子群算法.并將改進后的粒子群算法應用到K-means聚類算法與大數(shù)據(jù)處理平臺應用中.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，利用遠離個體最差經(jīng)驗和最差群體經(jīng)驗，提出一種遠離最差解的粒子群算法，并進行了仿真實驗，

3、驗證算法具有良好的全局收斂性.其次將改進后的粒子群算法并行化在 Spark集群上編程實現(xiàn).Spark平臺是目前應用最廣的大數(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.
　　最后將改進后的粒子群算法應用到K-means聚類算法中，對Iris和Wine數(shù)據(jù)集進行了仿真實驗，實驗結(jié)果較好，并將其應用到電信定位樓群中，對所得到的所屬樓群用戶MR信息進行聚類，聚類后提取簇間無線基站接入