基于信息熵的蚁群聚类改进方法研究.pdfVIP

第26卷 第8期 计 算 机 仿 真 2009年8月 文章编号：1006—9348(2009)08—0179—05 基于信息熵的蚁群聚类改进方法研究 严 燕，卢宏涛 (上海交通大学，上海 200240) 摘要：从模仿蚂蚁堆积尸体的基本模型出发，可以实现蚁群聚类算法。研究了实现基本蚁群算法以及基于信息熵的蚁群聚 类算法的关键方法 ，测试并验证了算法的有效性。同时，在比较其性能的基础上，主要针对基于信息熵的蚁群聚类算法收敛 速度快，但却容易陷入局部最优的缺陷，从聚类拆分、合并、孤立点处理等几个方面对基于信息熵的蚁群聚类算法进行了改 进，从而在利用其收敛速度快的基础上提高聚类的准确性。仿真实验表明：改进后的方法在聚类的准确性和收敛速度方面 都得到了很好的结果，对基于信息熵的蚁群居类算法优化提供了比较好的应用改进。 关键词：聚类 ；信息熵；蚁群优化 中图分类号：TP391 文献标识码 ：A AnimprovedAntColonyClusteringAlgorithm UsingInformationEntropy YAN Yan．LU Hong—tao (ShanghaiJiaotongUniversity，Shanghai200240，China) ABSTRACT：Antcolonyclusteringalgorithm canberealizedonthebasisofthebasicmodelthatimitatestheaggTe— gationofdeadbodiesbyants．ThepapervalidatesLFandentropybasedantcolonyclusteringalgorithmsviapropo— singthekeysimulationmethods．Comparingtheperformanceofthetwoalgorithms，itisshownthatentropybasedant colonyclusteringalgorithm hasthedefectofeasilygettinglocaloptimalityalthough ithas betterconvergencecom— paredwithLF．Thepaperintendstoproposeanimprovedentropybasedantcolonyclusteringalgorithm mainlyfor solvingthatproblem throughclustersplitting，mergingandhandlingofisolatedobjects．Thecomputationalresults show thattheclusteringresultandconvergencearebetter山anthatoftheothertwomethods． KEYW ORDS：Clustering；Entropy；Antcolonyoptimization 收敛速度过慢 ；而基于信息熵的算法则容易收敛到局部解。 1 引言 文中分析研究了这两种算法的实现方法，通过仿真实验来比 近年来，一些学者应用群体智能的思想研究聚类问题。 较其性能差别 ，针对其局限性 ，从聚类拆分、合并、孤立点处 群体智能源于对简单个体组成 的群落社会 系统 的模拟。 理等几个方面对基于信息熵的蚁群聚类算法进行了改进 ，从 Denueubourg等首次模拟幼蚁 自动分类及蚁尸聚积现象，提 而在利用其收敛速度快的基础上提高聚类的准确性。实验 出了聚类基本模型…。随后 Lumer和Faieta改进其基本模