基于遗传和蚁群算法融合的聚类新方法

被引：9

作者：

邹远强 ^{[1
]}

李国徽 ^{[2
]}

赵梓屹 ^{[3
]}

机构：

[1] 湖南大学软件学院

[2] 华中科技大学计算机科学与技术学院

[3] 中南大学生物医学工程研究院

来源：

科学技术与工程 | 2006年 / 23期

关键词：

遗传算法; 蚁群算法; 聚类;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

遗传算法具有快速良好的全局搜索能力,而蚁群聚类算法具有良好的分布式并行性和正反馈能力。将两种算法进行融合,充分利用算法各自的优势和特点,能更有效地进行聚类分析。实验证明这种新组合算法在优化能力和时间性能上比常用的聚类算法有比较明显的优势。

引用

页码：4700 / 4704+4713 +4713

页数：6

共 7 条

[1] 基于信息熵的蚁群聚类算法的改进 [J].

赵伟丽 ;

孙艳蕊 ;

张志国 ;

李金娜 .

沈阳化工学院学报, 2005, (04) :296-300

[2] 蚁群算法在数据挖掘中的应用研究 [J].

张惟皎 ;

刘春煌 ;

尹晓峰 .

计算机工程与应用, 2004, (28) :171-173

[3] 一种基于蚁群算法的聚类组合方法 [J].

杨燕 ;

靳蕃 ;

Mohamed Kamel .

铁道学报, 2004, (04) :64-69

[4] 遗传算法与蚂蚁算法的融合 [J].

丁建立 ;

陈增强 ;

袁著祉 .

计算机研究与发展, 2003, (09) :1351-1356

[5] 一种基于群体智能的客户行为分析算法 [J].

吴斌 ;

郑毅 ;

傅伟鹏 ;

史忠植 .

计算机学报, 2003, (08) :913-918

[6] 具有变异特征的蚁群算法 [J].

吴庆洪 ;

张纪会 ;

徐心和 .

计算机研究与发展, 1999, (10) :1240-1245

[7]

蚁群算法原理及其应用[M]. 科学出版社 , 段海滨著, 2005

← 1 →