毕业设计-群智能在大规模数据处理中的应用—粒子群优化算法在网页搜索中的应用,共29页,8957字,附VC++程序、开题报告等
摘要
群智能优化算法具有分布式、自组织性、协作性、鲁棒性和实现简单等显著特点,使其在缺乏全局信息的情况下,可以迅速可靠地解决各种复杂问题,也为典型的复杂性问题的求解开辟了新的途径。粒子群优化算法是群智能优化算法中的一种,它通过模拟鸟群觅食的过程来获取最优解。本文对群智能在大规模数据处理中的应用进行研究与分析,对粒子群优化算法和改进的粒子群优化算法作出介绍。采用粒子群优化算法,对网页内容进行模糊搜索,以此达到研究目的。同时引入蚁群算法,将粒子群与蚁群优化算法的效率进行对比,并对二者的优缺点和在本项目中的应用作出具体的评价。
关键词:群智能优化算法;粒子群优化算法;蚁群优化算法;网页搜索
目录
第一章 引言 - 5 -
第二章 PSO算法 - 6 -
2.1 基本思想 - 6 -
2.2 基本PSO算法 - 6 -
2.2.1 算法描述 - 6 -
2.2.2 流程描述 - 7 -
第三章 改进的PSO算法(SPSO) - 9 -
3.1 SPSO算法描述 - 9 -
3.2 SPSO算法流程概述 - 9 -
3.3 PSO算法的重要参数 - 9 -
第四章 PSO算法在网页搜索中的应用 - 11 -
4.1 可行性分析 - 11 -
4.1.1技术可行性 - 11 -
4.1.2 操作可行性 - 11 -
4.2 交互界面设计 - 11 -
4.2.1 实现方法概述 - 12 -
4.2.2 多线程编程 - 15 -
4.3 PSO算法的设计 - 15 -
4.3.1 实现方法概述 - 15 -
4.3.2 PSO流程描述 - 16 -
4.3.3 PSO具体实现 - 16 -
第五章 PSO算法与ACO算法的比较 - 16 -
5.1 两种基本算法的比较 - 18 -
5.2 实现方法概述(以搜索时间为主进行比较) - 18 -
第六章 结论和建议 - 20 -
6.1 结论分析 - 20 -
6.2 建议 - 20 -
第七章 调试及测试 - 22 -
7.1 测试策略 - 22 -
7.2 测试环境 - 22 -
7.2.1 操作系统 - 22 -
7.2.2 防火墙 - 23 -
7.3 测试目的 - 23 -
7.4 流程图 - 24 -
7.5 功能测试 - 25 -
参考文献 - 26 -
致谢 - 27 -