大數(shù)據(jù)環(huán)境中群智能算法的應(yīng)用

《大數(shù)據(jù)環(huán)境中群智能算法的應(yīng)用》由會員分享，可在線閱讀，更多相關(guān)《大數(shù)據(jù)環(huán)境中群智能算法的應(yīng)用（3頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、大數(shù)據(jù)環(huán)境中群智能算法的應(yīng)用 大數(shù)據(jù)環(huán)境中群智能算法的應(yīng)用 2018/09/06 引言 隨著社會科技與經(jīng)濟的發(fā)展，優(yōu)化在計算機等相關(guān)領(lǐng)域占有重要地位。群智能算法作為一種全新的演化算法作用于科學(xué)計算和解決社會經(jīng)濟中［１］。國外對于群智能領(lǐng)域的研究較早，美國科學(xué)家Ｋｅｎｎｅｄｙ和Ｅｂｅｒｈａｒｔ提出全新的群智能進(jìn)化計算思想—粒子群優(yōu)化模型。該模型模仿群體的社會認(rèn)知過程，對抽象概念進(jìn)行建模［２］；ＥｂｅｒｈａｒｔＲ與ＳｈｉＹ對粒子群算法進(jìn)行研究，對應(yīng)用與資

2、源進(jìn)行總結(jié)歸納，討論慣性權(quán)重、動態(tài)跟蹤系統(tǒng)與影響因子［３］；ＳｅｔｔｌｅｓＭ等將遺傳算法與粒子群算法在神經(jīng)網(wǎng)絡(luò)的性能方面進(jìn)行對比，粒子群算法在小型網(wǎng)絡(luò)性能中表現(xiàn)更好［４］。中國對于優(yōu)化問題的研究起步較晚，王勇等人提出用微調(diào)機制改進(jìn)粒子群算法，用以提高算法的局部搜索能力，改進(jìn)粒子相似度過高的缺陷［５］；郭文忠通過研究遺傳算法的２點變異與交叉算子，提出混合粒子優(yōu)化算法，用于解決電路規(guī)劃問題［６］。由于種群規(guī)模小導(dǎo)致種群搜索能力差，反之種群規(guī)模的擴大使得搜索范圍擴大，提高了局部優(yōu)越性，但也減慢了收斂速度，因此基于優(yōu)化問題，文章提出一種種群規(guī)模自適應(yīng)控制算法，能夠有效地測試出傳統(tǒng)粒子群算法的函數(shù)性能。

3、 １群智能算法—種群規(guī)模自適應(yīng)優(yōu)化算法 １．１種群增長模型 １．１．１種群指數(shù)式增長一種“Ｊ”型增長是在理想種群環(huán)境下隨種群密度變化而增長的種群指數(shù)增長。其增長方式分為指數(shù)增長和幾何增長，用方程ｄＮ／ｄｔ＝ｒＮ來表示［７］，式中，ｄＮ／ｄｔ為某種群點時間的瞬時增長率；最大潛力種群增長率用ｒ表示；Ｎ表示點時間的種群大小。假設(shè)在理想狀態(tài)下，自然種群可在短時間呈現(xiàn)指數(shù)似的增長，且種群個體呈稟增長率增長，導(dǎo)致規(guī)模增大。有研究發(fā)現(xiàn)，沒有一種種群是無休止增長的，都存在一定的局限性，受種群規(guī)模、密度、濃度等因素制約，因此，種群增長可達(dá)到一定的上限。

4、 １．１．２種群的邏輯斯諦增長種群的邏輯斯諦增長用“Ｓ”型增長來表示［８］?！埃印毙驮鲩L的表現(xiàn)方式為由慢到快的逐漸式增長。由于受到外界因素的干擾，種群的增長速度隨之下降，越來越靠近漸近線發(fā)展，此條漸近線稱之為環(huán)境容納量，用Ｋ來表示，也就意味著種群可以達(dá)到最大密度。在自然環(huán)境中，絕大部分種群是按照“Ｓ”型增長的。 １．２種群規(guī)模自適應(yīng)粒子群算法研究 １．２．１種群自適應(yīng)增加／刪除個體數(shù)目方法種群的規(guī)模動態(tài)變化，不僅能提高搜索數(shù)據(jù)能力還能提高計算效率。一旦加入適合增加或者刪除算子，將有效地增加種群多樣性，迅速提高收斂速度和搜索質(zhì)量。接下來介紹自適應(yīng)增加或者刪除個

5、體方法。 １．２．２種群規(guī)模自適應(yīng)粒子群算法描述粒子群算法是由Ｋｅｎｎｅｄｙ和Ｅｂｅｒｈａｒｔ提出的智能進(jìn)化算法，是基于鳥類聚集與覓食的社會性行為的算法。在粒子群算法中，將粒子置于一個搜索空間中，每個粒子都具有適應(yīng)度值，單個粒子的最佳位置和全局最佳位置與速度進(jìn)行不斷更新，粒子群隨著最優(yōu)的方向移動。粒子群作為整體像鳥兒合作覓食一樣，尋找到目標(biāo)函數(shù)的最優(yōu)點。粒子群算法是基于迭代的優(yōu)化算法，用于優(yōu)化搜索空間。 １．３大數(shù)據(jù)環(huán)境下的群智能算法檢測為了有效地測試ＡＰＳＯ算法的準(zhǔn)確性，本文選定７個具有連續(xù)單峰特點的標(biāo)準(zhǔn)化測試函數(shù)，將用標(biāo)準(zhǔn)的ＰＯＳ算法與之進(jìn)行比對。

6、 ２結(jié)束語 本文提出的種群規(guī)模自適應(yīng)控制方法，通過基于Ｌｏｇｉｓｔｉｃ模型的自適應(yīng)增加／刪除個體方法，包括算法中的內(nèi)增長算子、內(nèi)在減少算子、波動算子和外部環(huán)境算子的環(huán)境，其測試在速度收斂、求解以及結(jié)果的魯棒性方面都高于粒子群算法。該算子有效地增強了原粒子群的多樣性，使得自適應(yīng)控制策略更具一般性，能更好地適用于各種群智能算法中。智能群算法可廣泛地應(yīng)用于大數(shù)據(jù)背景下的數(shù)據(jù)分析問題，利用數(shù)據(jù)分析提高對全局的搜索能力；可有效地解決數(shù)學(xué)模型所遇到的問題，提高數(shù)據(jù)處理能力。群智能算法在不斷更新優(yōu)化的同時，也使得該算法速度不斷提高，能更好地應(yīng)用到實際中，將對數(shù)據(jù)挖掘技術(shù)發(fā)揮重要的作用。