文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 高等教育 > 理学 > 改进的遗传模糊聚类算法
侵权投诉

改进的遗传模糊聚类算法

改进的遗传模糊聚类算法

第$期%%%%%%%%%%%董云影,张运杰等:改进的遗传模糊聚类算法6$:下一代的群体进行了!"#优化,使搜索最优解的速度明显加快。

$%改进的遗传模糊聚类算法

我们把改进后的混合算法记为&!&’,其具体的流程如下:

%%()*+,

%%%%-,+.+/0+1)

%%%%%%输入样本!,聚类数"

######设定种群大小$,交叉概率%",变异概率%&,最大代数&’()*+;

######编码并随机初始化种群,(2);

####345-.6.4&’()*+74

######计算群体,(-/6)中各个体的适应度;

######对,(-/6)进行选择,交叉,变异,优化,产生下一代种群,(-);

####),7345

%%%%输出最后一代的最优个体

%%8,7

!9"#编码及种群初始化

本文采用了聚类中心作为染色体的浮点数编码方法,它更适用于大样本空间的搜索,且局部搜索能力强,又不易陷入局部极值,收敛速度快。

在聚类中心作为染色体的浮点数编码方式下,一条染色体由"个聚类中心组成:"01.262$…2",由于每个聚类中心有3个特征,因此一条染色体是长度为"43的浮点码串。

确定了编码方式之后,对种群进行初始化。首先随机生成模糊分类矩阵5,并计算初始的聚类中心矩阵6,然后按照编码方式生成一条染色体。假设种群大小为$,则要按以上方法生成$条染色体来组成初始种群。

!7!#适应度的计算

在本文中个体的适应度采用了!8截断机制来确定:

(J:;$!)/:-,:-<J:;$!(9"01-).#(6)2,其他

其中J:,!分别是种群中每条染色体所对应的聚类划分的目标函数值:-的平均值和标准差。因为越优的个{体其损失函数值就越小,而它的适应度就越高,所以个体的损失函数值与其适应度是成负相关的。!7$#选择

在进行选择操作的时候,最常用的方法是比例选择法(又叫蒙特卡罗选择法或赌盘选择法),即各个体被选中的概率与其适应度值成比例:%-.。但是为了避免被选择出来的当前最优个

9"01=)-($

=.6(9"01-)

体被接下来的交叉或变异操作所破坏,本文采取了最优保存策略和比例选择法相结合的思路。

首先在每一代开始的时候,把当前种群中适应度值最大,即最优的个体记录下来,然后对种群中的个体进行比例选择操作及以后的各种操作来产生新的种群,并从其中选出一个适应度值最小,即当前最差个体,用前面所记录的最优个体来替换它,这样就产生了进入下一代的种群。这样既能不断提高群体的平均适应度值,又能保证最优个体的适应度值不减小。

!7%#交叉

万方数据 由于交叉操作是遗传算法的主要环节,所以整个算法的性能好坏在很大程度上取决于交叉算子

上一页第2页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email