登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 开题报告 > 矿业类 > 测绘工程 > 正文

蚁群算法在测量数据处理中的应用研究开题报告

 2021-12-11 16:29:22  

1. 研究目的与意义及国内外研究现状

优化技术是当今数学界用于数据处理的一种重要手段,尤其在用于求解复杂优化问题中效果非常显著,近期以来一直广受人们的重视,而目前优化算法已经成为了很多科学研究的重要手段。为了解决复杂的非线性问题,各种智能算法被提出来,应用范围也遍及各个领域,本文的目的就是为了求解测绘领域中一些非线性问题,并分析蚁群算法在测绘数据处理中的优势和劣势,以此分析该算法在测绘领域的有效性。

国内外研究现状

1992年,意大利的Marco Dorigo等人提出了蚁群算法,并把蚁群算法首先运用在处理TSP(Traveling Salesman Problem)问题上。通过实验的结果来阐述蚁群算法很稳定以及寻找较优解的能力强,同时也存在自身的不足之处,在收敛速度方面可能有点迟缓、计算时发生停滞等。蚁群算法的提出引起了国内外学者和专家的强烈关注,同时关于蚁群算法的不足之处,提出了非常多的得到改进的蚁群算法。L. M. Gambardella和M.Dorigo在前人的基础上又提出了Ant-Q算法,Ant-Q算法通过伪随机比例的状态转移规则代替蚁群算法的随机比例转移规则。这样使得Ant-Q算法构建解的过程可靠性得到了提高。除此之外,Ant-Q算法还采用部分信息素更新机制以及全局的信息素更新中得到最优解。M.Dorigo等人还在Ant-Q算法的基础上提出蚁群系统(Ant Colony System,简称ACS ) ,蚁群系统算法是Ant-Q算法的一种特殊案例,运行起来更加容易,并且在解决TSP问题时显得游刃有余。Stutzle与Hoss ,推出了最大-最小的蚂蚁系统(MAX-MIN Ant System,简称MMAS),这个算法的最大的特点在于设置了信息素的上下限能够有效地避免计算过程中过早发生停滞的现象。Bullnheimer等人提出了基于排序的蚂蚁系统(Rank-based Version of Ant System,简称ASranx),这种算法在计算过程中每做完一次的迭代之后。都会把蚂蚁经过路线的长度按顺序进行排列,并将不同的权重分配给对应长度的路线,路线长度较短的权重大一点。由于蚂蚁系统存在检索速度比较慢以及质量不好的缺陷,0.Cordon又提出了最优——最差蚂蚁的系统(Best-Worst Ant System,简称BWAS)。这个算法的核心是把理论上的最优解进一步的优化,从而使得最差解减弱,这样就会使得最优路径和最差路径上信息素的量差距变得越来越大。

国内关于蚁群算法的研究开展于九十年代末,现在中国的学者对蚁群算法的主要研究是对算法的应用方面与改进方面。吴庆洪与张纪会等人将变异机制导入基本蚁群算法中,推出拥有变异特性的蚁群算法,使得算法变得简洁明了。吴斌与史忠植率先将相遇算法引入到蚁群算法中,有效地提升了蚂蚁每次周游的速度和效果。谢剑英与王颖将自适应的变化算法的挥发度等一些系数引入蚁群算法中,推出了一种自适应的蚁群算法,在解决一些局部最小而全局未必最优的问题中取得较好的结果。覃刚力与杨家本提出了一种能够自己调节信息素的蚁群算法,并通过人工蚂蚁的求解的过程,来分配道路上的信息素。

2. 研究的基本内容

介绍蚁群算法的原理以及基本模型的建立,同时将蚁群算法应用于非线性模型的参数估计,使用Matlab编程并运行得到参数估值,并与其他智能算法计算结果进行比较。

3. 实施方案、进度安排及预期效果

1.2016年04月14日前,搜集论文资料并阅读,撰写开题报告。

2.2016年04月25日前,提交开题报告,进入数据处理分析阶段。

3.2016年05月23日前,提交论文初稿。

4.2016年05月25日前,提交正式论文。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献

[1].dorigo m, luca m. the ant-q algorithm applied to the nuclear reload problem.annals of nuclear energy,2002

[2].m. dorigo, g. di caro, and l. m. gambardella. ant algorithms for discrete optimizat-ton[i].artificial life(2):137-172, 1999.

[3].m.dorigo.dorigo,and g. di.caro. the ant colony optimization meta-heuristic. in d.mand fglover, editors, new ideas in optimization[m],pages 11-32.1999

[4].t.stutzle and h.hoos.max-min ant system and local search for combinatorial optmization problems[m].in s. vo ,s. martello, i. h. osman, and c. roucairol, edi-tors

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

企业微信

Copyright © 2010-2022 毕业论文网 站点地图