针对KMC局部最优问题的飞蛾捕焰优化方法

摘要：

针对传统飞蛾捕焰(MFO)算法求解复杂函数时后期收敛速度慢与求解精度较低等问题,提出了一种基于快速收敛的飞蛾捕焰(RMFO)算法.采用最大最小距离积的方法来初始化飞蛾群,能够提高算法全局收敛速度并且优化解的质量,同时构造出MFO算法的适应度函数作为寻优函数.将RMFO算法和有K均值聚类算法(KMC)进行交叉迭代,构建基于RMFO优化的KMC算法,求解聚类中心时能够改善聚类性能,可以解决现有KMC算法选取初始聚类中心不确定陷入结果局部最优的问题.实验结果表明,通过用UCI国际通用测试数据库的Iris、Wine和Glass 3种数据集,对RMFO算法和优化KMC算法进行性能测试,提出的RMFO算法更加精准,收敛速度快,不易陷入局部最优解,同时,优化KMC算法的聚类性能更好.

关键词：飞蛾捕焰算法;收敛;聚类;最大最小距离积法;群体智能

所属期刊栏目：46

分类号：TP301.6(计算技术、计算机技术)

资助基金：陕西省创新人才推进计划-青年科技新星项目;陕西省自然科学基础研究计划面上基金;西安市智慧高速公路信息融合与控制重点实验室长安大学开放基金资助项目

在线出版日期：2021-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：34-39