差分進(jìn)化算法的改進(jìn)及其在聚類中的應(yīng)用.pdf

1、差分進(jìn)化算法(Differential Evolution Algorithm，簡稱DE算法)是一種新興的進(jìn)化算法，采用基于差分的變異策略，具有獨(dú)特的記憶功能能夠動(dòng)態(tài)跟蹤當(dāng)前搜索情況.其原理簡單，便于實(shí)現(xiàn)，具有較強(qiáng)的收斂能力和魯棒性，能夠有效地處理復(fù)雜優(yōu)化問題且不依賴問題的具體特征.目前，差分進(jìn)化算法已在眾多領(lǐng)域中得到了廣泛的應(yīng)用，其研究成果已涉及到多個(gè)相關(guān)學(xué)科.
　　變異策略對差分進(jìn)化算法的成功與否起到至關(guān)重要的作用.然而，方向

2、信息在DE變異策略的設(shè)計(jì)當(dāng)中并沒有被充分地挖掘，且對于如何平衡進(jìn)化速度和種群多樣性這兩者之間的矛盾也沒有得到很好的解決方案.本論文研究了個(gè)體在進(jìn)化選擇操作前后產(chǎn)生的差量信息在變異操作上的導(dǎo)向作用，提出了一種新的基于進(jìn)化方向的變異策略“DE/current-to-pbest/1/Gvector”.同時(shí)，為了測試我們這種新的方向信息能否提高算法的優(yōu)化能力，我們在自適應(yīng)差分進(jìn)化算法JADE的基礎(chǔ)上提出了一種新的算法DVDE.本文對CEC200

3、5常用的25個(gè)測試函數(shù)做了仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證明DVDE的算法平均性能優(yōu)于其他5個(gè)目前來說性能最好的DE算法（JADE，SaDE，CoDE,jDE，EPSDE），特別是對于單峰函數(shù)，效果更為明顯.實(shí)驗(yàn)結(jié)果也說明進(jìn)化方向的加入對于提高算法的收斂速度以及保護(hù)種群的多樣性避免算法過早陷入局部最優(yōu)起到了較好的作用.
　　K-means算法是一種典型的劃分式聚類算法，對于大型數(shù)據(jù)集的處理十分的有效.但是，K-means算法需要事先確定聚類個(gè)

4、數(shù).本論文將改進(jìn)的DVDE算法用于K-means聚類，提出了一個(gè)新的基于DVDE的自動(dòng)聚類算法(AC-DVDE).首先，本文采用雙交叉策略，在傳統(tǒng)的兩點(diǎn)式交叉操作之后，針對DE用于自動(dòng)聚類時(shí)的特定的編碼方式，添加了一種基于個(gè)體間聚類中心隨機(jī)交換交叉策略;其次，針對聚類中心選取方法的隨機(jī)性導(dǎo)致的聚類中心有可能偏離數(shù)據(jù)集或者聚類中心過于集中的缺陷做出了相關(guān)改進(jìn)，通過先對聚類中心進(jìn)行篩選在進(jìn)行聚類，有效避免了因算法本身的隨機(jī)性導(dǎo)致的錯(cuò)誤聚類劃