差分進化算法的改進及其在聚類中的應(yīng)用.pdf

1、差分進化算法(Differential Evolution Algorithm，簡稱DE算法)是一種新興的進化算法，采用基于差分的變異策略，具有獨特的記憶功能能夠動態(tài)跟蹤當(dāng)前搜索情況.其原理簡單，便于實現(xiàn)，具有較強的收斂能力和魯棒性，能夠有效地處理復(fù)雜優(yōu)化問題且不依賴問題的具體特征.目前，差分進化算法已在眾多領(lǐng)域中得到了廣泛的應(yīng)用，其研究成果已涉及到多個相關(guān)學(xué)科.
　　變異策略對差分進化算法的成功與否起到至關(guān)重要的作用.然而，方向

2、信息在DE變異策略的設(shè)計當(dāng)中并沒有被充分地挖掘，且對于如何平衡進化速度和種群多樣性這兩者之間的矛盾也沒有得到很好的解決方案.本論文研究了個體在進化選擇操作前后產(chǎn)生的差量信息在變異操作上的導(dǎo)向作用，提出了一種新的基于進化方向的變異策略“DE/current-to-pbest/1/Gvector”.同時，為了測試我們這種新的方向信息能否提高算法的優(yōu)化能力，我們在自適應(yīng)差分進化算法JADE的基礎(chǔ)上提出了一種新的算法DVDE.本文對CEC200

3、5常用的25個測試函數(shù)做了仿真實驗，實驗結(jié)果證明DVDE的算法平均性能優(yōu)于其他5個目前來說性能最好的DE算法（JADE，SaDE，CoDE,jDE，EPSDE），特別是對于單峰函數(shù)，效果更為明顯.實驗結(jié)果也說明進化方向的加入對于提高算法的收斂速度以及保護種群的多樣性避免算法過早陷入局部最優(yōu)起到了較好的作用.
　　K-means算法是一種典型的劃分式聚類算法，對于大型數(shù)據(jù)集的處理十分的有效.但是，K-means算法需要事先確定聚類個

4、數(shù).本論文將改進的DVDE算法用于K-means聚類，提出了一個新的基于DVDE的自動聚類算法(AC-DVDE).首先，本文采用雙交叉策略，在傳統(tǒng)的兩點式交叉操作之后，針對DE用于自動聚類時的特定的編碼方式，添加了一種基于個體間聚類中心隨機交換交叉策略;其次，針對聚類中心選取方法的隨機性導(dǎo)致的聚類中心有可能偏離數(shù)據(jù)集或者聚類中心過于集中的缺陷做出了相關(guān)改進，通過先對聚類中心進行篩選在進行聚類，有效避免了因算法本身的隨機性導(dǎo)致的錯誤聚類劃