基于遺傳算法的模糊聚類技術(shù)研究及應(yīng)用.pdf

1、諸多基于目標(biāo)函數(shù)的聚類算法中，模糊c均值算法（FCM）的理論最為完善、應(yīng)用最為廣泛。從本質(zhì)上講，它是一種局部搜索算法，采用迭代的爬山技術(shù)尋找問題的最優(yōu)解。因此它有一個(gè)致命弱點(diǎn)，即對初始化敏感而容易陷入局部極小值。遺傳算法是一種應(yīng)用廣泛的全局優(yōu)化方法，它的主要優(yōu)點(diǎn)是簡單、通用、魯棒性強(qiáng)，比盲目的搜索效率要高，又比針對特定問題的算法通用性強(qiáng)，是一種與問題無關(guān)的求解模式。遺傳算法的這些特點(diǎn)克服了FCM對初始化敏感的問題。因此，把遺傳算法與FC

2、M結(jié)合起來，既可以發(fā)揮遺傳算法的全局尋優(yōu)能力又可兼顧FCM的局部搜索能力，從而提高收斂速度并更好地解決聚類問題。 通過對FCM算法、遺傳算法以及遺傳聚類算法的研究，本文提出了一種改進(jìn)的遺傳模糊聚類算法（IGFCM），這種算法采用遺傳算法對初始聚類中心進(jìn)行優(yōu)化并執(zhí)行FCM算法，使遺傳算法與FCM結(jié)合以彌補(bǔ)它們自身的缺陷，提高了收斂速度并改善分類效果。首先，在遺傳算法中，采用把聚類中心作為染色體的符號編碼方法，這種表示方法不但能使染

3、色體編碼長度變短，又能使交叉、變異后的搜索空間保持不變；其次，在進(jìn)行選擇操作時(shí)采用最優(yōu)保存策略，保留遺傳過程中適應(yīng)度最高的個(gè)體，讓它不參與交叉、變異操作而直接進(jìn)入下一代，然后采用輪盤賭方法，根據(jù)適應(yīng)度函數(shù)對應(yīng)的概率分布選出合適的個(gè)體，并進(jìn)行交叉和變異，以提高群體的平均適應(yīng)度，保證每一代在進(jìn)化過程中當(dāng)前最優(yōu)個(gè)體不會被遺傳操作所破壞；最后，采用設(shè)定最大迭代次數(shù)和根據(jù)遺傳收斂程度相結(jié)合的停止準(zhǔn)則，減小誤差并縮短遺傳算法的運(yùn)行時(shí)間。 本