将遗传算法与蚁群算法中的协同模型进行有机结合,在蚁群算法中引入交叉、变异、选择算子来改进基本蚁群算法,克服了蚁群算法不太适合求解连续空间优化问题的缺陷。通过测试函数表明该方法具有较好的收敛速度和稳定性
聚类分析是数据挖掘的重要技术之一,它能够通过无监督的学习过程发现隐藏的模式,具有独立发现知识的能力。对现有文献中基于粒子群优化算法的聚类分析技术作了全面的介绍,对几种主要的粒子群聚类算法的基本原理及其
BIRCH算法是一种适应于大规模数据集的聚类算法,通过对所有叶节点设定统一阈值来构建聚类特征(cF)树,并在各阶段采取不同的阈值来重建树,但没有给出一个合理设定阈值初值及如何在各阶段提升阈值大小的具体
自适应的混沌蚁群聚类XML分片模型,刘波,杨路明,针对海量XML文档查询复杂等问题,本文尝试通过XML键定义及其键值操作,根据混沌原理,融入蚁群聚类算法构建并行XML数据库分片新模型�
提出了一种基于区域生长和蚁群聚类的图像分割方法——BRGAC。该方法首先用区域生长法对图像作初始分割,然后利用蚁群算法搜索最优解的能力,在区域之间进行聚类合并,获得最终的分割结果。BRGAC算法不但克
针对QAPF调度算法存在的吞吐量与公平性矛盾的问题,提出了一种改进的QAPF调度准则(RQAPF)。该准则利用队列门限值降低了队列状态信息对调度准则的影响,保证了用户的公平性,但与QAPF调度准则相比
一种改进的多种群遗传算法研究,史丽萍,郭燕,提出一种基于多种群的改进遗传算法(IMPGA)来克服简单遗传算法(SGA)的早熟收敛。利用调和适应度评价种群优劣,提出了局部竞争法以避免
一种改进的无线链路调度算法研究,郭斌,罗啸,本文在已有研究的基础上,对链路调度算法提出了一种改进,新算法具有更好的公平性、服务质量和较低的排队时延,并通过仿真对算法
针对K-means算法依赖于初始聚类中心和易陷入局部最优解的缺陷,提出一种改进的求解聚类问题的差分进化算法。将改进的差分进化算法与K-means迭代相结合,使算法对初始聚类中心的敏感性和陷入局部最优解
一种改进的S-MAC协议,周富生,陈伟,本文首先简单介绍了无线传感器网络,之后给出了无线传感器网络S-MAC协议的一种改进思路,并通过使用NS2进行仿真,验证了协议改进的�