一種改進的混合蛙跳算法
大小：0.66 MB 人氣：0 2017-12-05 需要積分：2
標簽：蛙跳算法(1671)
傳統K均值聚類（KMC）算法過分依賴初始值的設置，容易陷入局部最優；混合蛙跳算法（SFLA）存在收斂速度和搜索速度較慢、局部和全局信息交流不全面等缺點。針對以上缺點，首先提出一種改進的混合蛙跳算法（MSFLA）。該算法根據粒子群優化和差分進化思想，在青蛙個體變異時，引入上一次移動距離的權重慣性系數和縮放因子，從種群中的最優位置和歷史最優位置之間的隨機點出發，以子群內的青蛙的平均值和最差位置差值為步長進行青蛙個體的更新操作。再將MSFLA與KMC算法結合提出MSFLAKMC算法，有效地克服了KMC算法過分依賴初始值設置問題，同時降低了KMC算法陷入局部最優的可能性。實驗結果表明，MSFLA具有較強的尋優能力，MSFLAKMC算法則具有更好的聚類性能。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
