《群体智能及其在分布式知识管理中的应用研究(DOC 43页)》由会员分享，可在线阅读，更多相关《群体智能及其在分布式知识管理中的应用研究(DOC 43页)（43页珍藏版）》请在金锄头文库上搜索。
1、群体智能及其在分布式知识管理中的应用研究 合肥工业大学硕士学位论文群体智能及其在分布式知识管理中的应用研究姓名:束建华申请学位级别:硕士专业:计算机软件与理论指导教师:杨善林;倪志伟20071101群体智能及其在分布式知识管理中的应用研究摘 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
2、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
3、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。关键词:群体智能,蚁群优化算法,分类,多代理,分布式知识管理. , 。. .,., , . . .,. ., ,. ,. , .,? ,.: , ,?,插图清单图.? 算法框图.图. 发现过程图.的转换转换为的和操作界面?:图. 利用中名为“”的离散化数据的界面?.图. 数据预处理界面?一图. 分类规则挖掘参数设置及结
4、果显示界面一图. 传统的基于数据仓库的数据挖掘框架?.图.分布式数据挖掘体系框架.图. 分布式分类规则挖掘系统结构?.图.知识管理的框架模型?一图. 知识管理系统的软件架构。图.分布式知识管理系统的多结构模型?一图.分布式管理系统中的挖掘系统的多结构模型?.表格清单表.本文的组织结构?。表.几种典型的蚁群算法表.蚁群优化算法及其应用表.属性约简前后的数据集对比表.交叉验证次的结果?.独创性声明本人卢明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知。除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的或其他教育机构的学位或证书而使用过的研究成果。也
5、不包含为获得盒垦王些盔堂材料。与我一同:作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名:每窆等学位论文版权使用授权书本学位论文作者完全了解盒蟹王些盔堂有关保留、使用学位论文的规定.有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权?金监兰些厶堂可以将学位论文的全部或部分内容编入有关数据库进行检索.可以采用影印、缩,印或扫描等复制手段保存、汇编学位论文。.保密的学位论文在解密后适用本授权书导师躲侈幼/学位论文作者签名:雩建彳签字日期:砷年,月日 签字日期:?年,;,月日学:论文作者毕业后去向:电话:工作单位:雪;码,太学邮编
6、:通诫地址:致谢值此论文完成之际,首先要衷心感谢培育我的导师杨善林教授和倪志伟教授,向他们表示崇高的敬意和深深的谢意。杨老师高瞻远瞩的视野、博大精深的知识、严谨的学风、敏锐的洞察力和出色的领导才能,值得我终生学习。他的积极开拓、勇于进取的科研精神,学生引为楷模。倪老师治学严谨,学识渊博,使我在理论学习上受益匪浅,同时对我的生活和工作也是关怀备至。在学期间,倪老师多次给机会让我参加科研项目的研究和书籍的编写等工作,为我今后的工作奠定了坚实的基础。从论文选题到最终成文,一直得到倪老师的启发、指导、支持和信任,才使得我能够顺利完成论文撰写。在此再次向倪老师表示感谢感谢合肥工业大学管理学院智能管理研究
7、所的师兄妹们,正是在和你们的讨论、交流和帮助下,我才得以不断提高。感谢计算机与信息学院的领导及所有帮助过我的授课老师和同学,你们在学习和生活上的指导、帮助和鼓励,使我能够轻松、愉快地渡过两年半的美好时光。感谢安徽理工大学的领导和同事,感谢我的家人,是你们在工作和生活的支持与关爱,使我能够安心学习,顺利完成学业最后向百忙中评审该文并提出宝贵意见和建议的各位专家表示衷心的感谢作者:束建华年月日第章 绪论.本论文的研究背景、目的人工智能在经历了世纪年代整整年的繁荣后,由于方法论上始终没有突破经典计算思想的藩篱,再次面临着寒冬季节的考验。与此同时,随着人们对生命本质的不断了解,生命科学却以;所未有的速
8、度迅猛发展,使人工智能的研究开始摆脱经典计算的束缚,大胆探索起新的非经典计算途径,正如人工智能先驱所认为的“我们应该从生物学而不是物理学受到启示?”那样,对生物启发式计算的研究,迎来了人工智能研究领域新的曙光。在这种背景下,社会性动物如蚁群、蜂群、乌群、鱼群等的自组织行为引起了人们的广泛关注,许多学者对这种行为进行数学建模并用计算机对其进行仿真,这就产生了所谓的群体智能,。群体智能中的群体指的是一组相互之间可以进行直接通信或者问接通信通过改变局部环境的主体,这组主体能够合作进行分布问题求解。而所谓群体智能指的是简单智能的主体通过合作表现出复杂智能行为的特性。等人将任何启发于群居性昆虫群体和其它
9、动物群体的集体行为而设计的算法和分布式问题解决装置都称为群体智能。于年提出了群体智能的五个基本原则:邻近原则、品质原则、多样性反应原则、稳定性原则、适应性原则。这些原则说明实现群体智能的智能主体必须能够在环境中表现出自主性、反应性、学习性和自适应性等智能特性。群体智能方法易于实现,算法中仅涉及各种基本数学操作, 且这种方法只需目标函数的输出值,而无需其梯度信息并且已有大量的算法研究成果借鉴。更重要是,群体智能潜在的并行性和分布式特点为处理大量的以数据库形式存在的数据提供了技术保证。知识同人类的智能活动有着密切的关系,所有的智能活动,包括学习、理解和解决问题的能力,都完全靠知识。知识管理就是指综
10、合利用信息技术以实现知识的获取、存储和重用。根据第二代知识管理的思想,以及现在企业、组织的分散式管理特点,分布式知识管理的需求被提出。而人工智能的工作原理是以知识的获取与学习、知识的表达、知识的处理以及如何利用知识求解问题的基本技术作为主要的研究内容。由于智能与知识密不可分、相互依存的关系,人工智能在知识管理中有不可替代的作用。群体智能在没有集中控制并且不提供全局模型的前提下,为寻找复杂的分布式问题的解决方案提供了基础。鉴于群体智能的个体简单性、分布性、自组织性、协作性等特征非常适合于分布式环境,利用其为分布式知识管理服务,提高知识管理的效率。无论是从理论研究还是应用研究的角度分析,群体智能理
11、论及其应用研究都是具有重要学术意义和现实价值的。.国内外研究状况分析.群体智能研究的发展早在年 实现了生物群体行为的仿真模型;年正式提出人工生命的概念:年 曾指出群体智能是显示集体智能行为的非智能机器人所组成系统的一种特性,它的特点是分布式,没有集中控制,没有明确的环境模型,通过传感观察环境,能够改变环境;年.提出蚁群算法。但是群体智能概念正式提出的时间并不长,其一个显著标志是年牛津大学出版社出版了由.等人编写的一本专著群体智能:从自然到人工系统。.等人从年开始组织了两年一次的关于蚁群算法和群体智能国际会议。年进化计算大会召开了蚁群算法专题会议。期刊下一代计算系统在年为蚁群算法作了一次专辑。一
12、些有影响的刊物如科学美国人、自然分别在年月和月刊登文章介绍蚁群算法和群体智能。进化计算汇刊也在年出版蚁群算法和群体智能专辑。在美国成立专门的组织研究群体的仿真,在加州工学院专门开设了群体智能的课程。由欧洲联盟资助的群体智能相关研究项目也于年在欧洲多个研究机构启动。在我国,年代末开始,国家自然科学基金委员会、国家计划以及各省市的科研基金部门等都对群体智能优化的研究给予了必要的资助。经过多年的发展,群体智能理论凭借其简单的算法结构和突出的问题求解能力,吸引了众多研究者的目光,并取得了令人瞩目的成果。.群体智能研究的重要性大量的研究成果证明大自然始终是开启人类智慧的老师。“师法自然”,人类受到社会系
13、统、物理系统、生物系统等运行机制启发,建立和发展起一个个研究工具和手段来解决和攻克研究过程中遇到的困难。群体智能作为其中的一个重要的组成部分己显示出潜在的优势:灵活、稳定、分布式控制和自组织能力。而且工程问题中日益复杂的信息处理需求,尤其是动态特性突出的问题,为群智能优化的应用研究提供了广阔的空间。群体智能具有以下鲜明特征【】:群体中相互合作的个体是分布的,这样更能够适应当前网络环境下的工作状态;没有中心的控制与数据,这样的系统更具有鲁棒性,不会由于某一个或者某几个个体的故障而影响整个问题的求解;可以不通过个体之间直接通信而是通过非直接通信进行合作,系统具有更好的可扩充性。因为系统中个体的增加
14、而引起系统通信开销的增加很小;系统中每个个体的能力十分简单,每个个体的执行时间比较短,并且实现也比较简单,具有简单性;对问题定义的连续性无特殊要求。显然,群体智能优化算法具有传统优化算法所不具备的优势。进一步改进群体智能优化算法,拓宽其在各类组合优化问题领域的应用,是非常有意义的。.群体智能研究中的一些问题及主要研究方向群智能优化的研究尚处于初期,还有很多问题值得研究。笔者认为,以下是群体智能研究中存在的一些主要问题及研究方向:群智能优化的理论基础研究还很贫乏,还需要就此问题做大量深入的研究,包括算法的收敛性分析、复杂性分析等理论研究。由于实际问题的多样性和复杂性,尽管目前己提出了许多改进的算
15、法,但是研究改进算法的动力并未减弱,还有许多工作可做。同时针对社会、物理、生物等系统的建模与分析,建立和开发新的算法模型是群体智能优化进一步发展的生命源泉。开拓算法的应用领域是一项有价值的工作,因为群体智能算法的生命力在于工程应用。同时,不存在适用于任何问题的优化算法,研究各群体智能算法的适用范围也是必要的。另外,群体机器人的研究是一个研究的热点。统一的群体智能算法的系统框架的构建。建立系统的算法框架有助于从整体上研究群体智能优化算法的基本特性和性能特点,有利于融合各算法的优点,取长补短发展混合型算法,提高群体智能优化算法解决实际问题的能力。比较性研究不足,也就是说与各种成熟的优化算法之间的基本特性及性能特点的对比研究还不是十分充分,而且缺乏用
