混合遺傳算法及其在保險(xiǎn)業(yè)務(wù)數(shù)據(jù)分析中的應(yīng)用研究.pdf

1、遺傳算法具有廣泛的應(yīng)用。k-means算法是一種最常見(jiàn)的聚類技術(shù)，但由于對(duì)初始聚類中心的敏感性，該算法往往收斂于局部最優(yōu)。
　　 本文研究設(shè)計(jì)了一種融合標(biāo)準(zhǔn)遺傳搜索和模式搜索的改進(jìn)變異算子的混合遺傳算法，理論分析證明算法的收斂性，并將該算法應(yīng)用到函數(shù)優(yōu)化當(dāng)中。該算法保持了遺傳算法結(jié)構(gòu)簡(jiǎn)單的特點(diǎn)，改善了全局搜索能力、收斂速度、精度和穩(wěn)定性。在Windows Server2003平臺(tái)上，采用Matlab R2009b編程對(duì)6個(gè)評(píng)價(jià)函

2、數(shù)：Camel函數(shù)、Griewank函數(shù)、Rastrigin函數(shù)、Ackley函數(shù)、Schwefel's函數(shù)和Rosenbrock函數(shù)進(jìn)行尋優(yōu)測(cè)試，仿真實(shí)驗(yàn)結(jié)果進(jìn)一步驗(yàn)證了混合搜索遺傳算法在收斂速度和穩(wěn)定性等方面的有效性。
　　 本文的第二項(xiàng)主要研究成果是，通過(guò)融合標(biāo)準(zhǔn)遺傳搜索和模式搜索的混合遺傳算法來(lái)改進(jìn)保險(xiǎn)業(yè)務(wù)數(shù)據(jù)分析工作中常用的k-means類方法。針對(duì)k-means聚類算法對(duì)初始聚類中心敏感的問(wèn)題，首先利用改進(jìn)的混合搜索