针对基于遗传与蚁群算法融合的聚类算法（Clustering Algorithm based on Genetic and Ant Colony Algorithm，GA2C2A）存在局部搜索能力差、易陷入局部最优及遗传算法操作复杂的问题，提出了基于混合粒子群和蚁群算法融合的聚类算法（C...针对基于遗传与蚁群算法融合的聚类算法（Clustering Algorithm based on Genetic and Ant Colony Algorithm，GA2C2A）存在局部搜索能力差、易陷入局部最优及遗传算法操作复杂的问题，提出了基于混合粒子群和蚁群算法融合的聚类算法（Clustering Algorithm based on Hybrid Particle Swarmand Ant Colony Algorithm Integration，HPS0-ACA）。算法首先针对标准粒子群算法存在的缺陷进行了改进，形成了局部搜索能力强、操作实现简单的混合粒子群算法，并用来代替遗传算法与蚁群算法结合。以加州大学的3种数据集为对象进行数据聚类实验。结果表明，与基于遗传与蚁群算法融合的聚类算法相比，该算法在聚类性能上有明显的优势。展开更多
文摘针对基于遗传与蚁群算法融合的聚类算法（Clustering Algorithm based on Genetic and Ant Colony Algorithm，GA2C2A）存在局部搜索能力差、易陷入局部最优及遗传算法操作复杂的问题，提出了基于混合粒子群和蚁群算法融合的聚类算法（Clustering Algorithm based on Hybrid Particle Swarmand Ant Colony Algorithm Integration，HPS0-ACA）。算法首先针对标准粒子群算法存在的缺陷进行了改进，形成了局部搜索能力强、操作实现简单的混合粒子群算法，并用来代替遗传算法与蚁群算法结合。以加州大学的3种数据集为对象进行数据聚类实验。结果表明，与基于遗传与蚁群算法融合的聚类算法相比，该算法在聚类性能上有明显的优势。
