免费论文摘要：细菌寻食优化算法在聚类中的运用

优化题目已贯串于社会的各个范围。首先人们都是沿用保守的优化本领来处置工程运用中的关系优化题目，跟着所要处置的优化题目搀杂性的连接减少，保守本领已不许满意需要。在20世纪80岁月展示的群智能算法填补了保守优化本领的缺点。在群智能算法中，遗传算法(Genetic Algorithm, GA)、蚁群优化(Ant Colony Optimization, ACO)算法、粒子群优化(Particle Swarm Optimization, PSO)算法以及人为鱼群(Artificial Fish Swarm, AFS)算法都是从高档底栖生物中获得开辟而爆发的算法，而细菌寻食优化(Bacteria Foraging Optimization, BFO)算法是20世纪末关系鸿儒经过模仿微底栖生物探求食品源的动作所产生的一种较新的优化本领。聚类领会是一种很要害的数据发掘本领，它能高效地从一堆数据中提炼出人们所须要的有价格的消息。正文精细引见了聚类算法的基础道理及其关系普通常识，中心引见了K-means聚类算法，正文的接洽处事重要囊括BFO算法和K-means聚类算法的融洽以及对BFO算法自己举行矫正两上面，简直如次：以矫正K-means为动身点，提出了鉴于BFO算法的K-means聚类算法——K-BFO，其基础思维是：运用BFO算法的全部探求性，决定初始聚类重心，进而制止了K-means算法随机采用初始聚类重心的缺点。该算法具备四个便宜：(1)对包括各别类型巨细的数据集不敏锐；(2)新算法具备并行性的特性，其抑制速率快；(3)算法可用来处置高维数据聚类的题目；(4)与鉴于PSO的聚类算法比拟较，K-BFO算法进程大略，容易领会，并能博得更好的聚类功效。矫正BFO算法。简直囊括三上面处事：(1)规范BFO算法的趋势性操纵中翻转目标的随机性会径直感化算法的寻优速率，对趋势性操纵中随机的采用目标举行矫正：让个别向最优目标的细菌进修，若暂时没有最佳则随机采用目标。(2)规范BFO算法复制操纵中，符合度的排序是依照细菌举行一次趋势性操纵后个别过程的一切场所的平衡符合度排序，如许有大概使得符合度较优的细菌被减少，并且也会贬低算法的寻优精度。对复制操纵矫正：依照细菌个别一切场所中的最优符合度值排序，如许不妨保证鄙人一代符合度值最优的细菌个别确定不妨被保持，从而普及算法抑制速率。复制操纵顶用能量高的一半细菌繁衍包办能量低的一半细菌，这会引导种群百般性的低沉，为此正文模仿用来全部优化的浮点数源代码的差分进化思维，在趋势性操纵后，运用父代个别的分别性来爆发子代个别。试验表白矫正的算法具备杰出的本能。(3)在迁移操纵中沿用自符合迁移几率，制止了特出个别的流逝。将矫正算法用来UCI数据积聚类题目中，试验截止表白算法的精度和功效都有所普及，此后的接洽将着眼于处置工程本质中的优化题目。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/217169.html