采用改进的k均值聚类分析策略的粒子群算法

• 作者: 杨韬 邵良杉
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 粒子群 k均值 聚类分析 子群 隐含并行
• 年，卷（期）: 2009,（12）
• 所属期刊栏目: 研究、探讨
• 页码范围: 52-54
• 页数: 3页
• 分类号: TP301.6
• 字数: 3170字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009.12.017

摘要

对于多维函数的最优解搜索,粒子群优化算法存在前期易陷入局部最优,后期收敛速度缓慢的问题.将改进的k均值聚类分析策略与PSO相结合提出了一种混合粒子群优化算法CA-PSO.在算法中,利用改进的k均值聚类分析方法将粒子群划分成若干个子群,结合PSO的隐含并行搜索的优势增强了寻优性能.不仅增加了粒子间的信息交换,抑制了早熟收敛,并且提高了全局寻优速度和计算精度.理论证明,在一定条件下,CA-PSO具有稳定收敛性.仿真结果表明,CA-PSO性能优于基本粒子群优化算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵良杉	辽宁工程技术大学系统工程研究所	189	1464	18.0	27.0