萨法埃·布兹比塔;阿卜杜拉提夫·阿菲亚;鲁道安·法齐兹 自适应ACS-TSP信息素参数的隐马尔可夫模型分类器。 (英语) Zbl 1440.62317号 Talbi,El-Ghazali(编辑)等,《生物启发优化启发式》。2016年10月27日至31日,摩洛哥马拉喀什,第六届元启发式和自然启发计算国际会议论文集。查姆:斯普林格。螺柱计算。智力。774, 153-169 (2019). 摘要:隐马尔可夫模型(HMM)是建模复杂数据序列的强大统计技术。本文中,隐马尔可夫模型分类器是一种特殊的模型,其目的是在给定观测序列的情况下找出每个状态的后验概率,并预测概率最大的状态。本工作的目的是通过基于隐马尔可夫模型算法动态改变局部和全局信息素衰减参数来提高蚁群系统算法应用于旅行推销员问题(ACS-TSP)的性能,使用两个指标:多样性和迭代,反映给定时刻研究空间的状态。该方法在多个TSP基准实例上进行了测试,并与基本ACS、模糊逻辑控制器(FLC)和ACS的组合进行了比较,以证明其性能的有效性。关于整个系列,请参见[Zbl 1423.90007号]. MSC公司: 2005年6月2日 马尔可夫过程:估计;隐马尔可夫模型 62H30型 分类和区分;聚类分析(统计方面) 62小时86 多元分析与模糊性 第62页第10页 统计学在生物学和医学中的应用;元分析 关键词:隐马尔可夫模型;分类器 软件:TSPLIB公司 PDF格式BibTeX公司 XML格式引用 \textit{S.Bouzbita}等人,Stud.Comput。智力。774153-169(2019年;Zbl 1440.62317) 全文: 内政部 参考文献: [1] Aoun,O.、Sarhani,M.和El Afia,A.(2016年)。航空公司调度问题中元启发式调整的隐马尔可夫模型研究。IFAC-PapersOnLine,49(3),347-352·doi:10.1016/j.ifacol.2016.07.058 [2] Bouzbita,S.、El Afia,A.、Faizi,R.和Zbakh,M.(2016)。基于隐马尔可夫模型的acs-tsp局部信息素衰减参数的动态自适应。2016年第二届云计算技术和应用国际会议(CloudTech)(第344-349页)。纽约:IEEE。 [3] Cai,Z.和Huang,H.(2008)。基于自适应权重和波动率参数的蚁群优化算法。第二届智能信息技术应用国际研讨会,2008年。IITA’08(第2卷,第75-79页)。纽约:IEEE。 [4] Dorigo,M.、Birattari,M.和Stutzle,T.(2006)。蚁群优化。IEEE计算智能杂志,1(4),28-39·doi:10.1109/MCI.2006.329691 [5] Dorigo,M.和Blum,C.(2005年)。蚁群优化理论综述。理论计算机科学,344(2-3),243-278·Zbl 1154.90626号 ·doi:10.1016/j.tcs.2005.05.020 [6] Dorigo,M.和Gambardella,L.M.(1997年)。蚂蚁为旅行推销员问题而蜂拥。生物系统,43(2),73-81·doi:10.1016/S0303-2647(97)01708-5 [7] Dorigo,M.和Gambardela,L.M.(1997)。蚁群系统:解决旅行推销员问题的合作学习方法。IEEE进化计算汇刊,1(1),53-66·doi:10.1109/4235.585892 [8] Dorigo,M.和Stützle,T.(2010年)。蚁群优化:概述和最新进展。《元启发式手册》(第227-263页)。柏林:斯普林格。 [9] Erol,A.H.、Er,M.和Bulkan,S.(2012年)。利用神经网络优化蚁群算法求解旅行商问题。《国际会议学报》(2012年) [10] Gaertner,D.和Clark,K.L.(2005年)。蚁群优化算法的最优参数。IC-AI(第83-89页)。 [11] Gilmour,S.和Dras,M.(2005年)。了解蚁群优化中的信息素系统。AI 2005:人工智能进展(第786-789页)·Zbl 1175.68415号 [12] Gomez-Cabrero,D.、Armero,C.和Ranasinghe,D.N.(2007年)。旅行推销员问题:一种自适应pso-acs算法。在2007年工业和信息系统国际会议上。ICIS 2007(第479-484页)。纽约:IEEE。 [13] Hao,Z.、Huang,H.、Qin,Y.和Cai,R.(2007)。一种自适应信息素轨迹波动率的蚁群算法。计算科学ICCS,2007,1167-1170。 [14] Hao,Z.F.,Cai,R.C.和Huang,H.(2006)。蚁群算法的一种自适应参数控制策略。2006年机器学习和控制论国际会议(第203-206页)。纽约:IEEE。 [15] Kumar,P.和Raghavendra,G.(2011年)。关于蚁群优化算法中蒸发参数的注记。国际数学论坛,1655-1659年·Zbl 1247.90224号 [16] LaTorre,A.、Muelas,S.和PeñA,J.M.(2015)。大规模全局优化器的综合比较。信息科学,316517-549·doi:10.1016/j.ins.2014.09.031 [17] Ling,W.和Luo,H.(2007)。一种用于蚁群优化的自适应参数控制策略。2007年计算智能与安全国际会议(第142-146页)。纽约:IEEE。 [18] 刘艾,W.,和文清,F.(2012)。遗传算法调节蚁群算法的参数模型。2012年IEEE第九届电子商务工程国际会议(ICEBE)(第50-54页)。纽约:IEEE。 [19] Melo,L.、Pereira,F.和Costa,E.(2009年)。Mc-ant:一种多群体蚂蚁算法。在人工进化国际会议上(人工进化)(第25-36页)。柏林:斯普林格。 [20] Olivas,F.、Valdez,F.和Castillo,O.(2015)。基于模糊逻辑的参数自适应蚁群优化算法求解tsp问题。《基于模糊逻辑、神经网络和自然激励优化的智能系统设计》(第593-603页)。柏林:斯普林格。 [21] Pilat,M.L.和White,T.(2002年)。使用遗传算法优化acs-tsp。在蚂蚁算法国际研讨会上(第282-287页)。柏林:斯普林格。 [22] Randall,M.(2004)。近似无参数蚁群优化。在蚁群优化和群体智能国际研讨会上(第374-381页)。柏林:斯普林格。 [23] Reinelt,G.(1995)。Tsplib离散和组合优化。 [24] Stützle,T.、López-Ibánez,M.、Pellegrini,P.、Maur,M.和De Oca,M.,Biratari,M.和Dorigo,M..(2011年)。蚁群优化中的参数自适应。《自主搜索》(第191-215页)。柏林:斯普林格。 [25] Veček,N.、Črepinšek,M.和Mernik,M.(2017)。在进化算法的比较中对算法数量、问题和独立运行的影响。应用软计算,54,23-45·doi:10.1016/j.asoc.2017.01.011 [26] 赵全,C·doi:10.4236/ijcns.2009.28092 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。