计算智能补充.pptVIP

第1页，共33页，星期日，2025年，2月5日6.1蚁群优化算法的应用6.1.1典型应用6.1.2医学诊断的数据挖掘6.2粒子群算法的基本原理6.2.1粒子群算法的提出6.2.2粒子群算法的原理描述6.3基本粒子群优化算法6.3.1基本粒子群算法描述6.3.2参数分析6.3.3与遗传算法的比较6.4集群智能优化的特点与不足第2页，共33页，星期日，2025年，2月5日集群智能（SwarmIntelligence,SI）人们把群居昆虫的集体行为称作“群智能”（“群体智能”、“群集智能”、“集群智能”等）特点个体的行为很简单，但当它们一起协同工作时，却能够突现出非常复杂（智能）的行为特征。第3页，共33页，星期日，2025年，2月5日描述集群智能作为一种新兴的演化计算技术已成为研究焦点，它与人工生命，特别是进化策略以及遗传算法有着极为特殊的关系。特性指无智能的主体通过合作表现出智能行为的特性，在没有集中控制且不提供全局模型的前提下，为寻找复杂的分布式问题求解方案提供了基础。集群智能算法第4页，共33页，星期日，2025年，2月5日优点灵活性：群体可以适应随时变化的环境；

稳健性：即使个体失败，整个群体仍能完成任务；自我组织：活动既不受中央控制，也不受局部监管。典型算法蚁群算法（蚂蚁觅食）粒子群算法（鸟群捕食）集群智能算法第5页，共33页，星期日，2025年，2月5日如何应用用蚁群算法解决数据分类（数据挖掘任务中的一种）的问题：预先定义一组类，然后把数据系中的每一个数据根据该数据的属性，归入这些类中的一个。当数据量很大时，难以人为判别分类。6.1蚁群优化算法的应用6.1.1医学诊断的数据挖掘第6页，共33页，星期日，2025年，2月5日如何应用分类的规则：IFterm1ANDterm2AND…THENclass每个term是一个三元组（属性、关系符、属性取值）希望在一个规则中使用最少的判别语句，采用蚁群优化算法达到最优的选择。6.1蚁群优化算法的应用6.1.1医学诊断的数据挖掘第7页，共33页，星期日，2025年，2月5日例：非典型肺炎考虑如下因素：6.1蚁群优化算法的应用6.1.1医学诊断的数据挖掘属性发热职业胸部阴影流行病学史值（0,1,2,3）（0,1,2）（0,1,2）（0,1,2）说明0：不考虑该属性1：37.5℃以下2：37.5℃～38.5℃3：38.5℃以上0：不考虑该属性1：医务人员2：其他人员0：不考虑该属性1：无2：有0：不考虑该属性1：无2：有第8页，共33页，星期日，2025年，2月5日例：非典型肺炎结构图：一个蚂蚁从始点行走至终点，得到一条路径{0,2,1,0}，其对应的规则为IF（职业＝其他人员）AND（胸部阴影＝无）THEN（非典型肺炎）对此路径，应给予非常差的评价。6.1蚁群优化算法的应用6.1.1医学诊断的数据挖掘第9页，共33页，星期日，2025年，2月5日蚁群算法的实现假设a表示属性的总个数，第i个属性的取值域中可取bi个数值。一只蚂蚁的行走k步的路径可以表示为route[k]=(y1,y2,…,ya)yi=0表示不包含属性i。6.1蚁群优化算法的应用6.1.1医学诊断的数据挖掘第10页，共33页，星期日，2025年，2月5日评价函数解的评价函数定义为：Q的数值越接近1，说明对该类的判断越准确。TP—truepositivesTN—truenegativesFP—falsepositivesFN—falsenegatives6.1蚁群优化算法的应用6.1.1医学诊