群体智能及其在分布式知识管理中的应用研究

论文摘要

群体智能是一种由无智能或简单智能的个体通过任何形式的聚集协同而表现出智能行为。它所具有的分布式组织模型对解决复杂组合优化问题、分布控制问题提供了很好的思路。目前对群体智能的研究仍处于初级阶段，但是由于它在许多领域中都表现出令人满意的寻优性能，所以越来越受到相关领域学者的关注。本文首先介绍了蚁群算法的发展历程、理论基础和应用领域，接着简要介绍了其他目前比较流行的四种新型仿生优化算法：粒子群算法、遗传算法、人工神经网络、人工免疫算法，并深入分析了蚁群算法与这些仿生优化算法的异同之处。蚁群优化是人工智能领域中群体智能分支之一，已成功地应用于复杂优化问题的求解，但其在知识发现领域的应用还是一个新的研究课题。本文提出一种新的基于蚁群优化的分类规则挖掘方法，先利用蚁群算法通过对属性约简简化数据集，再使用蚁群算法进行分类规则的挖掘，并用新的规则剪枝方法，提高了分类算法的效率和分类准确率。实验表明该方法是有效的。随着分布式计算环境的广泛应用，其数据和计算能力分布在不同的节点，分布式数据挖掘技术研究成为一个新的研究热点。本文提出了一种基于蚁群算法的分布式分类规则挖掘算法，同时对多个场地的训练集挖掘，不仅可以获得较高的分类准确率，而且可以充分发挥分布式处理速度快和节省集成存储空间的优势。本文最后提出了基于蚁群算法的分布式知识管理系统的多Agent框架模型，并以学生成绩分析为例简单分析了在分布式知识管理中基于蚁群算法的分布式数据挖掘的具体应用步骤。

论文目录

• 摘要
• Abstract
• 致谢
• 插图清单
• 表格清单
• 第1章 绪论
• 1.1 本论文的研究背景、目的
• 1.2 国内外研究状况分析
• 1.2.1 群体智能研究的发展
• 1.2.2 群体智能研究的重要性
• 1.2.3 群体智能研究中的一些问题及主要研究方向
• 1.3 论文的主要工作与组织结构
• 1.3.1 论文的主要工作
• 1.3.2 论文的组织结构
• 第2章 蚁群算法的研究
• 2.1 蚁群算法原理
• 2.1.1 蚁群算法模型
• 2.1.2 蚁群算法描述
• 2.2 蚁群算法的研究现状分析
• 2.2.1 蚁群算法的发展
• 2.2.2 蚁群算法的研究方向
• 2.3 蚁群算法的应用
• 2.4 蚁群算法与其他仿生计算的对比研究
• 2.4.1 粒子群算法
• 2.4.2 遗传算法
• 2.4.3 人工免疫算法
• 2.4.4 人工神经网络算法
• 2.4.5 蚁群算法与其他仿生优化算法的相同点
• 2.4.6 蚁群算法与其他仿生优化算法的不同点
• 2.5 本章小结
• 第3章 基于蚁群算法的分类规则挖掘方法
• 3.1 分类规则挖掘概述
• 3.1.1 数据挖掘与知识发现
• 3.1.2 分类规则挖掘的概念
• 3.1.3 分类规则挖掘的内容
• 3.1.4 分类规则挖掘的基本步骤
• 3.1.5 分类算法的评价标准
• 3.2 基于蚁群优化的分类规则挖掘方法
• 3.2.1 蚁群分类算法的基本思路
• 3.2.2 改进的基于蚁群优化的分类算法
• 3.3 实验与结论
• 3.4 本章小结
• 第4章 蚁群算法在分布式知识管理系统中的应用研究
• 4.1 分布式数据挖掘概述
• 4.1.1 分布式数据挖掘的动因
• 4.1.2 分布式数据挖掘的方法
• 4.1.3 分布式数据挖掘面临的问题
• 4.1.4 分布式数据挖掘的体系结构
• 4.1.5 分布式分类规则挖掘算法
• 4.2 基于蚁群算法的分布式数据挖掘方法
• 4.2.1 分布式蚁群分类方法
• 4.2.2 基于 ACO的分布式分类算法描述
• 4.2.3 基于 ACO的分布式分类规则挖掘步骤及相关计算
• 4.2.4 算法的理论分析
• 4.3 分布式知识管理概述
• 4.3.1 知识管理
• 4.3.2 分布式知识管理
• 4.3.3 基于 Agent技术的分布式知识管理系统框架
• 4.4 基于蚁群算法的分布式知识管理系统的框架分析
• 4.4.1 蚁群算法在分布式知识管理系统中的应用
• 4.4.2 各功能Agent的介绍
• 4.4.3 蚁群算法在分布式知识管理系统中具体应用步骤分析
• 4.5 本章小结
• 第5章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 攻读硕士学位期间科研完成情况简介