基于二維細胞自動機的蟻群聚類研究及應用.pdf

1、隨著數據挖掘研究的不斷深入，群體智能越來越受到研究人員關注，作為其重要分支的蟻群聚類算法備受學者們青睞。蟻群聚類算法是受螞蟻群體行為啟發(fā)而設計的智能仿生算法，具有群體智能的分布式、魯棒性、易擴展性、簡單性、廣泛的適應性等特點。
　　本文對聚類、群體智能及細胞自動機等理論進行介紹，并討論了蟻群聚類中的LF（Lumer&Faieta）和BM（Basic Model）模型。在此基礎上，針對LF的不足對其進行改進，如參數自適應，優(yōu)化螞蟻的

2、移動策略和行為，同時結合基于實例庫推理的思想，將螞蟻分為普通螞蟻和專家螞蟻。專家螞蟻通過查詢實例庫來移動和放置數據，避免了適應度和放置概率函數的計算。并給出改進算法描述，通過若干數據集的實驗表明，該算法有效地改善了聚類性能。
　　研究了使用將一個螞蟻和一個數據結合為一個agent的人工螞蟻休眠模型。利用Q學習的思想改進了ASM算法中agent的移動策略，強化agent選擇靠近聚類中心移動方向的動作，加快聚類算法的收斂速度，改善了聚