蟻群算法及其在聚類中的應(yīng)用.pdf

1、蟻群算法是通過對自然界中真實螞蟻的集體行為的觀察、模擬而得到一種仿生優(yōu)化算法，它具有很好的并行性、分布性。根據(jù)螞蟻群體不同的集體行為特征，蟻群算法可分為受螞蟻覓食行為啟發(fā)的模型和受孵化分類啟發(fā)的模型、受勞動分工和協(xié)作運輸啟發(fā)的模型。本文重點研究了前兩種蟻群算法模型。
　　 受螞蟻覓食行為啟發(fā)的模型又稱為蟻群優(yōu)化算法（ACO），是繼模擬退火算法、遺傳算法、禁忌搜索等之后又一啟發(fā)式智能優(yōu)化算法。目前它已成功應(yīng)用于求解TSP問題、地圖

2、著色、路徑車輛調(diào)度等優(yōu)化問題。本文針對蟻群算法收斂時間長、易陷入局部最優(yōu)的缺點，通過對路徑上信息素的更新方式作出動態(tài)調(diào)整、建立信息素平滑機制，進而使得不同路徑上的信息素的更新速度有所不同，從而使改進后算法能夠有效地縮短搜索的時間，并能對最終解進行優(yōu)化，避免過早的陷入局部最優(yōu)。
　　 聚類是數(shù)據(jù)挖掘的重要技術(shù)之一，它可按照某種規(guī)則將數(shù)據(jù)對象劃分為多個類或簇，使同一類的數(shù)據(jù)對象有較高的相似度，而不同類的數(shù)據(jù)對象差異較大。受螞蟻的覓食

3、過程啟發(fā)的聚類算法又被稱為基于螞蟻覓食原理的聚類算法。把螞蟻覓食行為分為搜索食物和搬運食物兩個環(huán)節(jié)，同時把數(shù)據(jù)對象視為螞蟻，把聚類中心視為“食物源”，這樣數(shù)據(jù)對象的聚類過程就可以轉(zhuǎn)化為螞蟻覓食的過程，在信息素的引導(dǎo)下螞蟻就可以完成數(shù)據(jù)對象的聚類。但在該算法中沒有區(qū)分數(shù)據(jù)對象不同屬性的重要性，本文通過采用離差最大化方法，對每個屬性根據(jù)它的重要性為它賦予一個權(quán)值，從而改進了原算法中的距離計算，使得相似的數(shù)據(jù)對象能快速的聚集到一起，從而避免了

4、大量無效的相似度計算，提高了算法的效率。
　　 受孵化分類啟發(fā)的模型又稱為螞蟻堆形成原理聚類算法。很多種類的螞蟻都能夠?qū)⒙押托∮紫x緊密地排列成束并放置在巢穴孵化區(qū)的中心，而最大的幼蟲位于孵化束的外圍。Deneubourg等人根據(jù)這一現(xiàn)象最先提出了一個基本模型（BM）來模擬該現(xiàn)象，對基本模型比較成功的改進有LF算法。模糊聚類算法思想來源于Ruspini于1969年提出的模糊劃分思想，是指在涉及事物之間的模糊界限時按一定要求對事物進