進化算法及其在聚類問題中的應(yīng)用.pdf

1、本論文共分四章，研究內(nèi)容主要集中在: 改進進化算法模型，加強種群內(nèi)部的協(xié)作機制以協(xié)調(diào)算法的局部搜索和全局勘探能力；將粒子群優(yōu)化算法與傳統(tǒng)的模糊C 均值聚類算法相結(jié)合，利用基于T 平方抽樣的單峰分布的統(tǒng)計檢驗方法實現(xiàn)對未知模式集的自適應(yīng)聚類分析. 第二章研究了一種帶記憶信息的協(xié)同進化算法.提出將種群劃分為一個子種群和多個獨立個體的思想以實現(xiàn)算法的局部搜索與全局勘探；通過設(shè)計協(xié)作算子和變異算子使種群內(nèi)部進行有效的交叉與合并;數(shù)值實驗

2、給出了該算法與快速進化規(guī)劃和組織進化數(shù)值優(yōu)化算法之間的性能對比，并說明了本章算法的有效性. 第三章針對模式識別中最常見的聚類問題，提出了一種基于粒子群優(yōu)化的自適應(yīng)模糊聚類算法. 本章介紹了模糊C-均值聚類算法和粒子群優(yōu)化算法的基本原理,并嘗試結(jié)合這兩種各具特色的搜索機制；通過引進基于T 平方抽樣的單峰分布的統(tǒng)計檢驗方法以實現(xiàn)對模式集聚類趨勢和有效性的分析.數(shù)值實驗說明了本章算法的合理性和有效性. 最后，是本文研究工作的總