蟻群算法與小波網(wǎng)絡(luò)在復雜性科學中的應(yīng)用研究.pdf

1、復雜性科學是21世紀一門新興的邊緣、交叉學科，探索復雜性正在成為當代科學最具革命性的前沿。論文工作深入地研究了蟻群算法與小波網(wǎng)絡(luò)及其改進算法，探索了在復雜性科學中的應(yīng)用，包括群集智能中的蟻群算法理論、蟻群算法的參數(shù)優(yōu)化設(shè)置方法、遺傳蟻群算法的改進及其在植物病斑檢測中的應(yīng)用、小波網(wǎng)絡(luò)的初始化參數(shù)設(shè)置及基于蟻群算法的小波網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化方法、基于改進型小波網(wǎng)絡(luò)的決策級信息融合模型的構(gòu)建。 論文的創(chuàng)新點體現(xiàn)在以下四個方面： （1）

2、提出了元啟發(fā)框架下蟻群算法的參數(shù)設(shè)置原則及基于正交試驗設(shè)計方案的參數(shù)優(yōu)化設(shè)置方法。對蟻群算法的主要參數(shù)采用統(tǒng)計分析方法進行相關(guān)性分析，利用正交試驗設(shè)計減少參數(shù)設(shè)置的試驗次數(shù)，實現(xiàn)了最佳參數(shù)組合方案，克服了參數(shù)設(shè)置過程中的主觀性，提高了參數(shù)選擇的效率。 （2）提出了一種自適應(yīng)遺傳蟻群算法。分析了遺傳算法和蟻群算法的融合策略，研究了遺傳蟻群算法中交叉率和變異率的自適應(yīng)選取算法，并采用自適應(yīng)信息素揮發(fā)因子實現(xiàn)信息素的動態(tài)更新。最后，根

3、據(jù)植物病斑圖像特點，研究了遺傳蟻群算法中信息素更新函數(shù)和啟發(fā)函數(shù)的改進方法，從全局組合優(yōu)化角度實現(xiàn)了植物病斑檢測。 （3）提出了基于蟻群優(yōu)化的小波網(wǎng)絡(luò)。構(gòu)建了基于蟻群優(yōu)化的小波網(wǎng)絡(luò)學習算法，利用蟻群算法的全局優(yōu)化能力實現(xiàn)了對小波網(wǎng)絡(luò)的權(quán)值、閾值、尺度因子、平移因子的優(yōu)化設(shè)置。 （4）提出了一種基于改進型小波網(wǎng)絡(luò)的決策級信息融合模型。在深入研究數(shù)據(jù)缺失機制及其處理方法的基礎(chǔ)上，將多個小波神經(jīng)網(wǎng)絡(luò)并行連接實現(xiàn)了基于小波網(wǎng)絡(luò)的