| 采用改进的k均值聚类分析策略的粒子群算法 |
| |
| 引用本文： | 杨韬,邵良杉.采用改进的k均值聚类分析策略的粒子群算法[J].计算机工程与应用,2009,45(12):52-54. |
| |
| 作者姓名： | 杨韬 邵良杉 |
| |
| 作者单位： | 1. 辽宁工程技术大学,工商管理学院,信息管理系,辽宁,葫芦岛,125100
2. 辽宁工程技术大学,系统工程研究所,辽宁,阜新,123000 |
| |
| 基金项目： | 国家自然科学基金，辽宁工程技术大学青年科研基金 |
| |
| 摘 要： | 对于多维函数的最优解搜索,粒子群优化算法存在前期易陷入局部最优,后期收敛速度缓慢的问题。将改进的k均值聚类分析策略与PSO相结合提出了一种混合粒子群优化算法CA-PSO。在算法中,利用改进的k均值聚类分析方法将粒子群划分成若干个子群,结合PSO的隐含并行搜索的优势增强了寻优性能。不仅增加了粒子间的信息交换,抑制了早熟收敛,并且提高了全局寻优速度和计算精度。理论证明,在一定条件下,CA-PSO具有稳定收敛性。仿真结果表明,CA-PSO性能优于基本粒子群优化算法。
|
| 关 键 词： | 粒子群 k均值 聚类分析 子群 隐含并行 |
| 收稿时间： | 2008-3-10 |
| 修稿时间： | 2008-5-26
|
Hybrid Particle Swarm Optimization employing improved k-means clustering analysis strategy |
| |
| YANG Tao,SHAO Liang-shan.Hybrid Particle Swarm Optimization employing improved k-means clustering analysis strategy[J].Computer Engineering and Applications,2009,45(12):52-54. |
| |
| Authors: | YANG Tao SHAO Liang-shan |
| |
| Affiliation: | YANG Tao1,SHAO Liang-shan21.College of Business Administration,Liaoning Technical University,Huludao,Liaoning 125100,China 2.Liaoning Systems Engineering Research Institute,Fuxin,Liaoning 123000,China |
| |
| Abstract: | To compensate for the deficiency of converging to local optimum at the outset and slow convergence latterly,a hybrid Particle Swarm Optimization(PSO) algorithm employing improved k-means clustering analysis algorithm(CA-PSO) is proposed and applied to multi-dimension function searching.In CA-PSO,the current particles is first divided into multi sub-populations by improved k-means cluster mechanism,and employs PSO itself inherent parallelism advantage to enhance the capacity of searching optimal solutions.It... |
| |
| Keywords: | Particle Swarm Optimization（PSO） k-means clustering analysis subpopulation inherent parallelism |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载全文 |
|
