推荐5篇关于人工鱼群算法的计算机专业论文

今天分享的是关于人工鱼群算法的5篇计算机毕业论文范文, 如果你的论文涉及到人工鱼群算法等主题,本文能够帮助到你

面向农村的择校辅助信息系统

这是一篇关于择校辅助系统,影响因素,人工鱼群算法,模糊C-均值算法,层次分析法的论文, 主要内容为普通高等学校全国统一考试是我国高等院校人才选拔录用的重要依据。高考是考生决定未来发展方向的重要转折点，这里面包含着考生家庭的希望，也关系着社会的人才培养。尤其对于农村考生来讲，他们很多人生活在偏远山区，信息闭塞，很多考生不能明确自己的院校目标，不能充分理解高考成绩的高低直接影响志愿的填报，就会出现盲目填报志愿的现象，最终导致考生志愿不理想或落榜，这对于十年寒窗苦读的莘莘农村学子是十分可悲的事情。由此看来，综合考虑影响高考志愿填报的各种因素，实现一个面向农村的能为考生提供具有辅助决策功能的择校辅助系统意义重大。本文主要研究内容如下： 1、分析了影响农村考生高考志愿填报的因素：校园环境，学习环境，就业率，可持续发展等因素。构建一个基于高考成绩，并且综合考虑以上各影响因素的择校辅助系统模型。 2、改进标准人工鱼群算法。标准人工鱼群算法后期运算速度慢，为了提升速度，将当前最优子群中心位置添加到公告板上；并将标准人工鱼群算法的觅食、聚群、追尾行为进行改进，从而提升算法运算速度减少迭代时间。 3、改进标准的模糊C-均值聚类算法。院校数据信息量繁多，志愿推荐结果要求可信度高，而初始聚类中心的选择对标准的模糊C-均值算法的聚类结果影响很大。本课题把模糊C-均值算法与改进的人工鱼群算法结合起来，二者扬长避短，初始聚类中心的选择由改进的人工鱼群算法提供，使模糊C-均值算法的寻优效率得到提升。 4、运用层次分析法对聚类结果进行排序。根据考生对影响志愿报考的因素主观赋权值，构建择校辅助系统的层次结构模型。利用该模型，把聚类结果进行排序，为考生提供科学、明确的志愿报考顺序。 5、构建面向农村的择校辅助信息系统。本系统使用JAVA、JSP、SQL SERVER2005在NETBEANS集成开发环境下实现。系统首先根据考生的高考成绩、院校批次、文/理科对院校进行初步筛选，在筛选结果中，由考生针对自身情况对各影响因素设定重要性权重，使用基于改进的人工鱼群算法的模糊C-均值聚类算法，得到院校分类结果，根据考生要求的对分类结果进行排序，辅助农村考生更加科学合理的填报志愿。

基于人工鱼群算法的柔性作业车间调度研究

这是一篇关于柔性作业车间调度,人工鱼群算法,分布估计,多目标优化,协同进化的论文, 主要内容为车间调度是通过合理安排各种生产资源以满足企业生产的某些性能指标,它是制造企业提升自身市场竞争力的关键因素。相对于传统调度问题,柔性作业车间调度问题增加了加工机器柔性的特性,使其更贴近企业的现实生产模式,因而对它的研究更具实际应用价值。本文以一种新型的群智能算法—人工鱼群算法为基本优化算法,分别针对柔性作业车间调度中的单目标和多目标两类问题模型展开讨论,本文的主要工作概述如下：(1)对于柔性作业车间调度问题,加工机器选择子问题的解决会影响到工序的加工顺序子问题的求解,反之亦然,因此两个子问题之间是相互制约和相互影响的。本文提出了前置安排策略和后置安排策略,它们分别以不同的先后顺序处理两个子问题从而产生不同的调度方案,保证了种群的多样性。(2)在求解单目标柔性作业车间调度问题时,本文设计了一种基于分布估计的人工鱼群算法,该算法是对基本人工鱼群算法的一种改进：为提高算法搜索的导向性设计了带有分布估计能力的觅食行为,为加强算法的全局搜索能力提出了人工鱼吸引行为,加入了基于关键路径的局部搜索以均衡算法探索和开发能力。使用160个经典用例对提出的算法进行实验,通过与其他优化算法地比较,证明了算法求解单目标问题的有效性。(3)针对最大完工时间、最大机器负载、总机器负载三个目标的柔性作业车间调度模型,受协同进化思想地启发,提出了一种协同混合人工鱼群算法；该算法在求解过程中通过鱼群的多种群协同进行全局搜索,并与模拟退火算法协同增强局部搜索能力,另外针对多目标问题设计了改进的ε—Pareto支配策略对适用度值进行评价,且在算法中采用拥挤距离和精英保留策略保持鱼群中个体的多样性；最后通过实验验证了该算法可以得到更优质的非劣解。

面向房产信息本体的主题爬虫算法研究

这是一篇关于主题爬虫,BP神经网络算法,本体技术,人工鱼群算法,搜索引擎的论文, 主要内容为现如今,互联网的快速发展改变了传统信息交流方式,网络上积累了丰富的房产相关信息,如价格信息、房产新闻、房产企业、市场动态等,房产搜索引擎通过主题爬虫技术为用户提供既全面又有专业深度的房地产信息。主题爬虫的性能直接决定了房地产搜索引擎的服务质量,提高主题爬虫性能具有重大意义。对主题爬虫相关理论技术进行了研究,发现当前主题爬虫存在主题信息描述不准确,抓取信息精确度低,主题相关度算法结构复杂,主题爬虫性能差等缺点。针对上述缺点,结合本体和神经网络技术,本文提出并实现了面向房产信息本体的主题爬虫。本文的主要工作和研究成果如下:1)针对互联网中房产信息的开放性、多元化、时效性等特征,提出了一种基于内容学习的本体自适应算法。该算法通过主题爬虫技术获取房地产领域相关信息,对相关信息进行特征提取、过滤、分类、语义分析等处理后得到领域概念,对领域概念进行学习,动态维护本体知识库,提高本体的主题描述能力。2)针对当前主题爬虫相关度算法非线性学习能力差,计算结果精确度低、主题爬虫性能差的缺点,提出了基于BFA1的主题爬虫相关度算法。该算法具备BP神经网络优异的非线性学习能力,算法抗干扰性和稳定性强的优点,同时利用人工鱼群算法优良的全局寻优能力对BP神经网络进行结构优化,进一步提高了主题爬虫抓取信息的精确度。3)基于上述技术研究基础,结合当前热门的房产信息领域,本文设计并实现了面向房产信息本体的主题爬虫系统。该系统结合了本体强大的语义描述能力和BP神经网络优异的非线性学习能力,通过准确率、召回率指标对系统性能进行检测,实验结果表明系统的整体性能有了明显提高,准确率提高了12%,召回率提高了9%。

基于深度学习的煤矿开采沉陷特征识别与预测研究

这是一篇关于开采沉陷,采动损害,导水裂隙带,深度学习,人工鱼群算法的论文, 主要内容为中国能源结构“富煤、贫油、少气”的基本特征,决定煤炭在保障国家安全、推动社会经济高质量发展中的重要支撑作用。然而,大量矿产资源的开采容易打破上覆岩层的原始应力平衡状态,致使岩层和地表发生移动和变形,从而引发一系列的矿山地质环境灾害问题,如矿区沉降、地面积水、建筑物构筑物以及道路的损坏,严重的甚至会引起山区滑坡和泥石流等地质灾害。因此,及时、有效地识别出煤矿开采沉陷特征并进行沉陷特征预测,对于预防矿区地质灾害的发生具有重要意义。传统的煤矿开采沉陷特征识别方法范围小、效率低,沉陷特征预测不准确,而随着计算机硬件的发展以及大规模数据收集帮助深度学习在目标检测以及预测领域脱颖而出。鉴于此,本文开展基于深度学习的煤矿开采沉陷特征识别与预测研究,主要研究内容和工作如下:(1)建立了融合In SAR和CNN的煤矿开采地表移动盆地智能检测方法。本文以深度学习为理论基础,结合支持向量机(Support Vector Machine,SVM)模型,建立Sentinel-1A数据下的煤矿开采地表移动盆地智能检测方法。首先利用合成孔径雷达差分干涉测量技术(Differential interferometric SAR,D-In SAR)处理Sentinel-1A雷达数据得到干涉图,手动提取开采沉陷盆地和其他目标作为训练样本;其次使用Alex Net、VGG19、Res Net50三种卷积神经网络提取开采沉陷盆地特征向量用于SVM分类器,并将寻优能力强、全局收敛性好的人工鱼群算法(Artificial Fish School Algorithm,AFSA)引入到SVM参数寻优中,构建改进的Res Net50-AFSA-SVM模型,在大区域In SAR干涉图中检测开采沉陷盆地;采用非极大值抑制去除重复搜索框,提高开采沉陷盆地检测精度,选取下沉盆地多、沉降明显的淮南矿区作为实验区,验证模型精度。(2)研发了开采沉陷移动变形数据处理与预计一体化系统。本文在借鉴和总结不同计算机语言开发系统的优缺点基础上,利用C#编程语言,结合CAD开发出开采沉陷移动变形数据处理与预计一体化系统,该系统分为移动变形数据处理模块和参数反演与预计模块。移动变形数据处理模块主要具有移动变形数据管理、移动变形计算、输出报表、移动变形曲线绘制等功能;参数反演与预计模块具有基于AFSA的概率积分参数反演与预计、以及基于AFSA的Logistic单点沉陷参数反演与预计功能。将该系统应用在顾桥矿1414(1)工作面进行验证。(3)建立了基于AFSA-MLP的综放开采导水裂隙带高度预测模型。本文在综合分析综放开采覆岩导水裂隙带高度影响因素的基础上,从数据的可收集性以及影响的重要性出发,选取了开采厚度、开采深度、工作面斜长、以及硬岩岩性比例系数4种重要因素作为导水裂隙带计算的重要参数,采用AFSA智能算法优化多层感知机(Multilayer Perceptron,MLP)神经网络在误差反传过程中的缺陷,构建了基于AFSA-MLP的导水裂隙带高度预测模型,以典型矿区和工程实例验证模型的精度,并将此模型应用至概率积分法参数求取中。图[27]表[9]参[121]