基于群体智能优化算法的聚类设计

目录

    • (1) 初始化种群
    • (2) 个体更新
      • ① 依靠自身的能力进行局部搜寻
      • ② 收到其他解的影响来更新自身
    • (3) 群体更新
      • ① 个体更新实现群体更新
      • ② 子群更新实现群体更新
      • ③ 选择机制实现群体更新
    • (4) 优点

(1) 初始化种群

初始化方法:

  • 完全随机产生的方法。
  • 结合先验知识产生初始种群。

问题解形式的确定

算法参数的选取

评估函数的确定

(2) 个体更新

① 依靠自身的能力进行局部搜寻

  • 传统进化计算算法。
  • Memetic算法
  • 猫群算法中的搜寻模式
  • 蜂群算法中的跟随蜂和侦察蜂的位置更新
  • 细菌觅食算法
  • 人工鱼群算法

② 收到其他解的影响来更新自身

  • 免疫算法
  • 猫群算法中的跟踪模式
  • 粒子群算法
  • 混合蛙跳算法
  • 蚁群算法
  • 蜂群算法中引领蜂的更新

(3) 群体更新

① 个体更新实现群体更新

② 子群更新实现群体更新

③ 选择机制实现群体更新

(4) 优点

  1. 渐进式寻优。
  2. “适者生存,劣者消亡”
  3. 有指导的随机搜索
  4. 并行式搜索
  5. 黑箱式结构
  6. 全局最优解
  7. 通用性强
  8. 智能化
  9. 具有较强的鲁棒性
  10. 易于与其他算法相结合

你可能感兴趣的:(基于群体智能优化算法的聚类设计)