基于Memetic算法的聚類方法及其應(yīng)用.pdf

1、目前，隨著網(wǎng)絡(luò)信息量的增加，從大量無序的數(shù)據(jù)中提取隱含的、有效的信息成為人們要解決的問題。聚類作為數(shù)據(jù)挖掘的一項(xiàng)強(qiáng)有力的工具，成為目前研究的熱點(diǎn)。在研究聚類問題的過程，聚類往往被看作是一個(gè)優(yōu)化問題，且可以用不同的優(yōu)化方法來解決。
　　 Memetic算法因其良好的函數(shù)優(yōu)化能力，成為目前優(yōu)化算法的一個(gè)研究熱點(diǎn)。本文中，將Memetic算法應(yīng)用于聚類問題，分別提出了基于克隆選擇算法的Memetic自動(dòng)聚類算法和基于圖形聚類的迭代局部

2、搜索算法，在此之前提出了基于多種群的粒子群Memetic算法解決車間調(diào)度問題。具體工作主要包括以下：
　　 1.提出一種基于多種群的粒子群Memetic算法。算法中，首先，將整個(gè)種群分為三個(gè)子種群，采用三個(gè)子種群協(xié)同進(jìn)化的方式，克服了Memetic算法由于缺乏種群多樣性而產(chǎn)生早熟收斂的缺陷。其次，三個(gè)子種群分別引入了不同的局部搜索算法，保持了種群多樣性，并且能快速收斂。對25個(gè)流水車間調(diào)度問題進(jìn)行測試，實(shí)驗(yàn)結(jié)果表明，該算法比對比

3、算法在三個(gè)指標(biāo)上都具有優(yōu)勢。
　　 2.提出一種基于克隆選擇算法的Memetic自動(dòng)聚類算法。算法中，首先，使用基于類標(biāo)的編碼方式，來實(shí)現(xiàn)圖形集類別數(shù)的確定。其次，針對圖形自動(dòng)聚類問題的特性，提出了三個(gè)局部搜索算法，分別為基于模擬退火算法的局部搜索算法、基于聚類中心的局部搜索算法和基于類內(nèi)相似度距離總和的局部搜索算法，以實(shí)現(xiàn)聚類結(jié)果的優(yōu)化。對5個(gè)圖形集合進(jìn)行測試，實(shí)驗(yàn)結(jié)果表明，該算法在圖形自動(dòng)聚類中，類別數(shù)的確定和聚類正確率，都