计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2015年
3期
685-690
,共6页
模糊聚类%多目标优化%萤火虫算法%变异%差分进化
模糊聚類%多目標優化%螢火蟲算法%變異%差分進化
모호취류%다목표우화%형화충산법%변이%차분진화
fuzzy clustering%multi-objective optimization%Firefly Algorithm (FA)%mutation%Difference Evolution (DE)
针对传统的模糊聚类算法大都针对单一目标函数的优化,而无法获得更全面、更准确的聚类结果的问题,提出一种基于改进多目标萤火虫优化算法的模糊聚类方法.首先在多目标萤火虫算法中引入一种动态调整的变异机制以获得更加均匀分布的非劣解,其中以动态减小的概率选择个体并采用类似于差分进化算法中变异算子的策略对其进行变异,通过自适应调整收缩因子以提高变异效率.然后当归档集中的最优解集充满时,从中选取一定量的解与当前种群组合进行下一次进化,使得算法具有更高的效率.最后将其运用到模糊聚类问题中,通过同时优化两个模糊聚类指标的目标函数并从最终的归档集中选取一个解确定聚类结果.采用5组数据进行实验的结果表明,相对于单目标聚类方法,所提方法对各种数据集的聚类有效性指标提高了2到8个百分点,具有更高的聚类准确性和更好的综合性能.
針對傳統的模糊聚類算法大都針對單一目標函數的優化,而無法穫得更全麵、更準確的聚類結果的問題,提齣一種基于改進多目標螢火蟲優化算法的模糊聚類方法.首先在多目標螢火蟲算法中引入一種動態調整的變異機製以穫得更加均勻分佈的非劣解,其中以動態減小的概率選擇箇體併採用類似于差分進化算法中變異算子的策略對其進行變異,通過自適應調整收縮因子以提高變異效率.然後噹歸檔集中的最優解集充滿時,從中選取一定量的解與噹前種群組閤進行下一次進化,使得算法具有更高的效率.最後將其運用到模糊聚類問題中,通過同時優化兩箇模糊聚類指標的目標函數併從最終的歸檔集中選取一箇解確定聚類結果.採用5組數據進行實驗的結果錶明,相對于單目標聚類方法,所提方法對各種數據集的聚類有效性指標提高瞭2到8箇百分點,具有更高的聚類準確性和更好的綜閤性能.
침대전통적모호취류산법대도침대단일목표함수적우화,이무법획득경전면、경준학적취류결과적문제,제출일충기우개진다목표형화충우화산법적모호취류방법.수선재다목표형화충산법중인입일충동태조정적변이궤제이획득경가균균분포적비렬해,기중이동태감소적개솔선택개체병채용유사우차분진화산법중변이산자적책략대기진행변이,통과자괄응조정수축인자이제고변이효솔.연후당귀당집중적최우해집충만시,종중선취일정량적해여당전충군조합진행하일차진화,사득산법구유경고적효솔.최후장기운용도모호취류문제중,통과동시우화량개모호취류지표적목표함수병종최종적귀당집중선취일개해학정취류결과.채용5조수거진행실험적결과표명,상대우단목표취류방법,소제방법대각충수거집적취류유효성지표제고료2도8개백분점,구유경고적취류준학성화경호적종합성능.
