基于混合交叉因子的蚁群聚类优化.pdfVIP

3840 2011，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—04 Basedonhybridcrossoveroperatorofantcolonyclusteringoptimization DAIHuang—guan， SHIYue-xiang， LIPing—ting (CollegeofInformationEngineering，XiangtanUniversity,Xiangtan411105，China) Abstract：Todealwithaproblem thatantcolonyclusteringeasily~appedintolocaloptimal，characteristicsofthebionicintelligent clusteringsareanalyzed，andahybridcrOssOverOperatOrofantcolonyclusteringisproposed．Twocontrolmechanisms-- thewell—phased controlstrategy,heuristicmultipointcrossoverstrateyg raebuiltupahybridcrossoveroperator,thewell-·phasedcontrolsrtategydyna-· micallyadjustthecrossoverscale，whichsignificantlyreducedcrossoveroperationofinvalidprobability,heuristicstrategyisbuilton thebasisofthefitnesscanbeeffectivelyretainfathergenerationgoodgenes．Furthermore，itcombinedwithmutationoperationavoiding localoptima1．Analysisdemonstratesthathteproposedalgorithm hasimprovedhterobustandhteclusteringresults． Keywords：pheromone；antcolonyalgorithm；clustering；hybridcrossoveroperator；mutationoperator 0 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