基于K-均值聚类的免疫粒子群优化算法
来源期刊:控制工程2010年第6期
论文作者:满春涛 张锐 张涛
文章页码:796 - 799
关键词:K-均值;疫苗提取;免疫粒子群优化算法;自适应;
摘 要:在解决复杂函数优化问题时,免疫粒子群优化算法在疫苗提取操作中,通常把最佳粒子作为有效特征信息,没有从根本上解决"趋同性"问题,影响算法的收敛速度和收敛精度。针对该问题,提出了一种基于K-均值聚类的免疫粒子群优化算法(KIPSO),将K-均值聚类算法用于免疫疫苗的提取,确定最高平均适应值的聚类中心及其最大邻域,得到符合具有最优个体特征的疫苗集,并以自适应方式确定疫苗集进行疫苗更新,提高算法的收敛性。仿真结果表明,与免疫粒子群优化算法相比,该算法提高了收敛速度和收敛精度。
满春涛1,张锐1,2,张涛3
1. 哈尔滨理工大学自动化学院2. 哈尔滨工业大学电气工程及自动化学院3. 哈尔滨理工大学电气与电子工程学院
摘 要:在解决复杂函数优化问题时,免疫粒子群优化算法在疫苗提取操作中,通常把最佳粒子作为有效特征信息,没有从根本上解决"趋同性"问题,影响算法的收敛速度和收敛精度。针对该问题,提出了一种基于K-均值聚类的免疫粒子群优化算法(KIPSO),将K-均值聚类算法用于免疫疫苗的提取,确定最高平均适应值的聚类中心及其最大邻域,得到符合具有最优个体特征的疫苗集,并以自适应方式确定疫苗集进行疫苗更新,提高算法的收敛性。仿真结果表明,与免疫粒子群优化算法相比,该算法提高了收敛速度和收敛精度。
关键词:K-均值;疫苗提取;免疫粒子群优化算法;自适应;