基于Memetic算法的聚類方法及其應用.pdf

1、目前，隨著網絡信息量的增加，從大量無序的數據中提取隱含的、有效的信息成為人們要解決的問題。聚類作為數據挖掘的一項強有力的工具，成為目前研究的熱點。在研究聚類問題的過程，聚類往往被看作是一個優(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優(yōu)化能力，成為目前優(yōu)化算法的一個研究熱點。本文中，將Memetic算法應用于聚類問題，分別提出了基于克隆選擇算法的Memetic自動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，將整個種群分為三個子種群，采用三個子種群協(xié)同進化的方式，克服了Memetic算法由于缺乏種群多樣性而產生早熟收斂的缺陷。其次，三個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個流水車間調度問題進行測試，實驗結果表明，該算法比對比

3、算法在三個指標上都具有優(yōu)勢。
　　 2.提出一種基于克隆選擇算法的Memetic自動聚類算法。算法中，首先，使用基于類標的編碼方式，來實現圖形集類別數的確定。其次，針對圖形自動聚類問題的特性，提出了三個局部搜索算法，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相似度距離總和的局部搜索算法，以實現聚類結果的優(yōu)化。對5個圖形集合進行測試，實驗結果表明，該算法在圖形自動聚類中，類別數的確定和聚類正確率，都