基于二維細(xì)胞自動機的蟻群聚類研究及應(yīng)用.pdf

1、隨著數(shù)據(jù)挖掘研究的不斷深入，群體智能越來越受到研究人員關(guān)注，作為其重要分支的蟻群聚類算法備受學(xué)者們青睞。蟻群聚類算法是受螞蟻群體行為啟發(fā)而設(shè)計的智能仿生算法，具有群體智能的分布式、魯棒性、易擴展性、簡單性、廣泛的適應(yīng)性等特點。
　　本文對聚類、群體智能及細(xì)胞自動機等理論進行介紹，并討論了蟻群聚類中的LF（Lumer&Faieta）和BM（Basic Model）模型。在此基礎(chǔ)上，針對LF的不足對其進行改進，如參數(shù)自適應(yīng)，優(yōu)化螞蟻的

2、移動策略和行為，同時結(jié)合基于實例庫推理的思想，將螞蟻分為普通螞蟻和專家螞蟻。專家螞蟻通過查詢實例庫來移動和放置數(shù)據(jù)，避免了適應(yīng)度和放置概率函數(shù)的計算。并給出改進算法描述，通過若干數(shù)據(jù)集的實驗表明，該算法有效地改善了聚類性能。
　　研究了使用將一個螞蟻和一個數(shù)據(jù)結(jié)合為一個agent的人工螞蟻休眠模型。利用Q學(xué)習(xí)的思想改進了ASM算法中agent的移動策略，強化agent選擇靠近聚類中心移動方向的動作，加快聚類算法的收斂速度，改善了聚