k均值課程設計---k均值聚類k-means優(yōu)化-文庫吧資料
2025-05-21 13:09本頁面
【正文】 生成初始群體。 6 循環(huán)終止條件 循環(huán)代數(shù)開始為 0，每循環(huán)一次，代數(shù)加 1，若當前循環(huán)代數(shù)小于預先規(guī)定的最大循環(huán)代數(shù)，則繼續(xù)循環(huán)；否則結束循環(huán)。然后按照新的聚類劃分，計算新的聚類中心，取代原來的編碼值。對于適應度大的個體，賦予其相應的交叉和變異概率，而對于適應度小的個體，其交叉概率和變異概率較大，自適應的交叉和變異概率能夠提供相對某個解最佳的 cp和 mp，使自適應遺傳算法在保持群體多樣性的同時，保證算法收斂。自適應遺傳參數(shù)的選擇如下： 其中， avgf表示每代群體的平均適應度值； maxf表示群體中的最大適應度值； 39。 maxU， minU 交叉率和變異率的自適應調(diào)整 標準的遺傳算法已經(jīng)被證明無法收斂到問題的全局最優(yōu)解 ，尤其是在種群分布不均勻時易出現(xiàn)未成熟收斂，即“早熟現(xiàn)象”，在進化中后期由于個體競爭減弱而引起的隨機搜索趨勢還會導致算法收斂速度緩慢，其原因是進化算子在整個進化過程中都采用了固定的概率值。本文采用均勻變異算子，其具體操作過程是：對于每個變異點，從對應基因位的取值范圍內(nèi)取一隨機數(shù)代替原有基因值。由于本文染色體采用浮點數(shù)編碼，因此采用適合浮點數(shù)編碼的算術交叉算子，即 其 中， a是一個 (0, 1)范圍內(nèi)的隨機數(shù)。首先在每一代開始時，將群體中的最優(yōu)個體記錄下來，然后根據(jù)各個體的適應度計算個體被選中的概率，用輪盤賭方法進行個體的選擇，最后在每次遺傳操作后形成新群體時用當前所記錄的最優(yōu)個體替換新群體中的最差個體，以防止遺傳操作破壞當前群體中適應度最好的個體。本文采用式 (1)構造適應度函數(shù)，由于式 (1)的值越小說明聚類結果越好，越大說明聚類結果越差，因此選擇如下的適應度函數(shù)： 其中， b為常數(shù)，可以根據(jù)具體問題作調(diào)整。先將每個樣本隨機指派為某一類作為最初的聚類劃分，并計算各類的聚類中心作為初始個體的染色體編碼串，共生成 m個初始個體，由此產(chǎn)生第一代種群。這種基于聚類中心的編碼方式縮短了染色體的長度，提高了遺傳算法的速度，對于求解大量數(shù)據(jù)的復雜聚類問題效果較好。例如對于一個類別為 3的聚類問題，假設數(shù)據(jù)集為 2維。 1 染色體編碼 染色體編碼有很多種 ，在聚類分析中較常用的是基于聚類中心的浮點數(shù)編碼和基于聚類劃分的整數(shù)編碼。 三、 基
畢業(yè)設計相關推薦
鄂ICP備17016276號-1