群体协同智能优化算法改进及其应用研究

《群体协同智能优化算法改进及其应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP305单位代码：10190研究生学号：201505015密级：公开硕士学位论文周丽媛2018年6月群体协同智能优化算法改进及其应用研究ImprovementofSwarmCollaborativeIntelligentOptimizationAlgorithmandItsApplicationResearch硕士研究生：周丽媛导师：郑虹副教授申请学位：工学硕士学科：计算机科学与技术所在单位：计算机科学与工程学院答辩日期：2018年6月授予学位单位：长春工业大学摘要摘要优化问题广泛地存在于实际

2、工程问题和科学研究中。优化问题具有解空间规模大、维数高的特点，一些传统优化算法在求解大规模优化问题时，存在计算复杂度高、时间长等问题。群体智能算法因其参数少、模型简单、易于实现等优点，已成为求解优化问题新的研究方向。随着人工智能的高速发展，电子商务、移动互联网金融无时无刻不断产生数据。数据挖掘技术越来越受到众多领域的广泛关注。聚类技术是数据挖掘领域的一个重要分支，在无监督条件下，用于挖掘数据潜在结构，已成为人工智能领域研究热点。密度峰值快速搜索聚类算法是聚类算法中极具竞争力的一种新型聚类算法，已得到各领

3、域广泛认可，但其仍存在手动设置参数的缺陷。本文将布谷鸟搜索算法作为主要研究对象，对其进行研究与改进，并对密度峰值快速搜索聚类算法存在缺陷进行改进。本文主要内容和创新点如下：（1）针对布谷鸟搜索算法在处理复杂函数时，算法收敛速度慢；在处理多维数据时，算法寻优精度低，算法稳定性较差的问题，提出动态自适应步长的双重策略的布谷鸟搜索算法。算法引入动态自适应步长机制和双重评价策略，动态步长中学习因子加速算法在解空间中搜索速度，在算法迭代前期，双重评价策略中的逐列排序策略在全局搜索中快速定位，并引入动态发现概率增加

4、全局搜索能力。（2）针对密度峰值快速搜索聚类算法存在手动设置截断距离dc，欧式距离无法准确反映数据间的相似性等缺陷，提出布谷鸟优化的密度峰值快速搜索聚类算法。算法通过布谷鸟搜索算法优化截断距离，并引入余弦相似度，将方向与实际距离相结合，更好区分两类中间区域数据点的归属度。仿真实验结果表明，改进密度峰值快速搜索聚类算法具有较好聚类性能。（3）基于布谷鸟优化的密度峰值快速搜索聚类算法，对银行个人信贷数据进行聚类。仿真实验结果表明，本文提出的方法能够较为有效地分析和预测银行个人信贷违约情况，帮助银行信贷部门合

5、理地做出决策。关键词：群体智能布谷鸟搜索算法密度峰值聚类算法余弦相似度个人信贷IAbstractAbstractThemaincontentsandinnoOptimizationproblemsexistextensivelyinpracticalengineeringproblemsandscientificresearch.Theoptimizationproblemhasthecharacteristicsoflargescaleandhighdimensionalityofthesolutio

6、nspace.Thetraditionaloptimizationalgorithmsolvestheseproblemswhichhasproblemssuchashighcomputationalcomplexityandlongtime.Swarmintelligencealgorithmhasbecomeanewresearchdirectionforsolvingoptimizationproblemsbecauseofitsadvantagesoffewerparameters,simple

7、modelandeasyimplementation.Withtherapiddevelopmentoftheartificialintelligence,e-commerceandmobileinternetfinancecontinuetogeneratedataatalltimes.Dataminingtechnologyhasreceivedincreasingattentioninmanyfields.Clusteringtechnologyisanimportantbranchofdatam

8、ining.Underunsupervisedconditions,itisusedtominepotentialdatastructures,whichhasbecomearesearchhotspotinthefieldofartificialintelligence.Theclusteringbyfastsearchandfindofdensitypeaksalgorithmisanewandverycompetitiveinthec