一種改進(jìn)的人工蜂群算法及其在k均值聚類中的應(yīng)用.pdf

1、人工蜂群(Artificial Bee Colony，ABC)算法作為一種新型的群智能優(yōu)化算法，近十年發(fā)展十分迅速。算法的生物模型是受到蜜蜂在采蜜過程中，蜂群所表現(xiàn)出來的相互協(xié)作的智能行為的啟發(fā)。通過對整個(gè)采蜜過程的抽象，提煉出人工蜂群算法，用來解決現(xiàn)實(shí)生活中的實(shí)際問題。由于人工蜂群算法具有算法實(shí)現(xiàn)簡單、搜索精度高、魯棒性較強(qiáng)等特點(diǎn)，且與經(jīng)典的優(yōu)化算法相比求解質(zhì)量較好等，2005年由土耳其學(xué)者Karaboga提出，很快引起了眾多學(xué)者的廣

2、泛關(guān)注，人工蜂群算法已經(jīng)應(yīng)用于旅行商問題、人工神經(jīng)網(wǎng)絡(luò)、無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)部署、調(diào)度問題等眾多領(lǐng)域，并且取得了較好的成果，研究者們還在試圖將算法應(yīng)用到更多新的領(lǐng)域。人工蜂群算法作為一種新型的算法，算法還處于初級階段，算法模型還不是很完善，在應(yīng)用時(shí)也會(huì)表現(xiàn)出許多不足之處，在面對比較復(fù)雜的優(yōu)化問題的時(shí)，算法容易“早熟”和陷入局部最優(yōu)等問題。因此，研究者們開始探究如何在理論上對基本人工蜂群算法改進(jìn)，在應(yīng)用領(lǐng)域方面拓展其適用范圍等問題。以下是本

3、文做的主要工作:
　　一、從全面優(yōu)化算法性能的角度出發(fā)，針對基本人工蜂群算法的不足，本文提出了一種改進(jìn)的人工蜂群算法。改進(jìn)主要有兩點(diǎn):
　　1.在種群的初始化階段，本文采用基于反向?qū)W習(xí)的策略改善初始種群，根據(jù)概率論原理，初始解是隨機(jī)產(chǎn)生的，那么相反解有50％的概率更接近所求問題的最優(yōu)解，因此，為了增加種群的多樣性，加快收斂速度，算法選擇二者中更優(yōu)的個(gè)體作為初始種群。
　　2.對蜜源更新公式的改進(jìn)?；救斯し淙核惴ǖ拿墼?/p>

4、更新公式是在目標(biāo)蜜源領(lǐng)域內(nèi)隨機(jī)搜索一個(gè)新蜜源，這樣的搜索過于盲目，從而導(dǎo)致收斂速度較慢，本文借鑒于差分進(jìn)化(DE)算法思想，將算法的變異策略融入到人工蜂群(ABC)算法中，在尋找新蜜源的時(shí)候以鄰居蜜源作為向?qū)?，并引入隨機(jī)錯(cuò)位交叉策略吸收其他維度上的有利信息，此外，引入自適應(yīng)調(diào)整策略。改進(jìn)后的算法，在更新蜜源時(shí)搜索更有目的性，提高了算法的收斂速度，并且引入的自適應(yīng)動(dòng)態(tài)調(diào)整變量很好的平衡了算法的開發(fā)能力和搜索能力。為了證明改進(jìn)的算法更好，在

5、參數(shù)設(shè)置相同的前提下，用改進(jìn)的算法、基本算法以及其他具有代表性的改進(jìn)算法分別優(yōu)化了一組標(biāo)準(zhǔn)測試函數(shù)，并對比分析了實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)表明，改進(jìn)的算法函數(shù)優(yōu)化精度更高。
　　二、將經(jīng)過上述兩點(diǎn)改進(jìn)的人工蜂群算法(DEF-ABC)用于優(yōu)化K均值聚類算法。K-means算法是聚類過程中常用的算法，因算法原理通俗易懂、算法操作易于實(shí)現(xiàn)，因此已有廣泛的應(yīng)用，但是該算法在對數(shù)據(jù)集進(jìn)行優(yōu)化過程中，對初始聚類中心的選擇有較強(qiáng)的依賴性，使算法具有易陷入局