基于混合交叉因子的蚁群聚类优化

《基于混合交叉因子的蚁群聚类优化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、38402011，Vo1．32，No．11计算机工程与设计ComputerEngineeringandDesign基于混合交叉因子的蚁群聚类优化戴皇冠，石跃祥，李娉婷(湘潭大学信息工程学院，湖南湘潭411105)摘要：为解决蚁群聚类易陷入局部最优问题，综合分析了仿生智能聚类的特点，提出了一种混合交叉因子的蚁群聚类方法。该算法采用结合分阶段调整策略和启发式多点交叉策略的混合交叉因子，其中分阶段调整策略动态调整交叉点规模，显著降低交叉操作的无效性概率；启发式策略建立在适应度的基础上能有效地保留父代优秀基因。同时引用随机变异因子，进

2、一步减少陷入局部优化的可能性。结合实例对算法进行了分析，结果表明了该算法在鲁棒性和聚类效果上都有所提高。关键词：信息素；蚁群算法；聚类；混合交叉算子；变异算子中图法分类号：TP18文献标识码：A文章编号：1000—7024(2011)11-3840—04BasedonhybridcrossoveroperatorofantcolonyclusteringoptimizationDAIHuang—guan，SHIYue-xiang，LIPing—ting(CollegeofInformationEngineering，Xiang

3、tanUniversity,Xiangtan411105，China)Abstract：Todealwithaproblemthatantcolonyclusteringeasily~appedintolocaloptimal，characteristicsofthebionicintelligentclusteringsareanalyzed，andahybridcrOssOverOperatOrofantcolonyclusteringisproposed．Twocontrolmechanisms-thewell—phas

4、edcontrolstrategy,heuristicmultipointcrossoverstrategyarebuiltupahybridcrossoveroperator,thewell·-phasedcontrolstrategydyna·-micallyadjustthecrossoverscale，whichsignificantlyreducedcrossoveroperationofinvalidprobability,heuristicstrategyisbuiltonthebasisofthefitness

5、canbeefectivelyretainfathergenerationgoodgenes．Furthermore，itcombinedwithmutationoperationavoidinglocaloptima1．Analysisdemonstratesthattheproposedalgorithmhasimprovedtherobustandtheclusteringresults．Keywords：pheromone；antcolonyalgorithm；clustering；hybridcrossoverope

6、rator；mutationoperator0引言1蚂蚁聚类分析模型仿生智能算法因其具有在没有任何先验知识和无统一蚂蚁聚类分析模型的基本思想是将数据看作是具有不指挥的分布环境下，具有自我组织、合作、通信等优势，被研同属性的蚂蚁，聚类中心就被视为蚂蚁所要寻找的“食物源”，究者们广泛应用到聚类问题，如遗传聚类“。，粒子群聚类0，所以，数据聚类过程就能看作是蚂蚁进行寻食物源的过程。蚁群，蜂群。蚁群算法最早是由意大利学者MDorigo提出，该模型可以描述为：假设是Ⅳ个m维待聚类的数据对它是一个增强型学习系统，具有分布式计算特性和较强的

7、鲁象集合，算法首先初始化，将各个路径信息素(O)=c(C可为棒性，但其存在过早收敛，易陷入局部优化等问题。遗传算O)，c『表示聚类中心，初始化时任意分配不相同的数据值。确法是由JohnHolland教授提出的，该算法具有与问题域无关的定聚类中心的过程就是蚁群从蚁穴出发寻找食物的过程，蚂全局搜索能力，且不易陷入局部最优。在遗传算法中，交叉因蚁在搜索时，不同的蚂蚁选择某个数据元素是相互独立的。蚂子通过模拟生物有性繁殖过程生成新个体投入优胜劣汰的选蚁在寻食过程中都将会在其所经过的路径上留下信息素，并择竞争”，可以说交叉算子在GA对待

8、求解问题空间进行搜索向信息素强度高的方向移动，同样信息素也会随时间而挥发。并达到全局最优的过程中发挥着至关重要的作用，因此在交设r0(t)是t时刻到路径上的残留信息量叉算子的研究方面，许多学者进行了改进以求得到更优解。)=(1-p)ru(t)+p△砖【1)本文结合上述两种算法