基于模糊聚类的粒子群优化算法

基于模糊聚类的粒子群优化算法通过把模糊聚类引入标准粒子群优化算法,可有效提高PSO算法的精度和效率。
基于模糊C-均值聚类算法的粒子群优化算法首先根据FCM算法把粒子群分为若干“子群”,求出每一“子群”的最优位置SPi(i=1,…,K)(K为聚类区的个数),然后粒子群中的粒子根据其个体极值和每个“子群”中的最优位置SPi更新自己的速度和位置。
设G为nPop个粒子组成的数据集,被分为K个聚类区Ci(i=1,…,K),SPi(i=1,…,K)记为每个聚类区Ci中的粒子迄今为止搜索到的最优位置。粒子根据以下公式来更新其速度和位置:
V’ = V + c1*rand*(pBest-X) + sum(c_k*rand*(SP-X))
X’ = X + V’
具体步骤如下:
1)随机产生nPop个粒子及其初始初始飞行速度的粒子群G,确定学习因子c_k(k=1,…,K);
2)根据聚类算法确定聚类区Ci;
3)求出每个粒子迄今为止搜索到的最优位置pBest和每个聚类区Ci中的粒子迄今为止搜索到的最优位置SPi;
4)采用上面提到的更新公式对粒子群中的粒子进行操作;
5)若当前最优粒子不满足收敛条件 ,则对当前粒子群重新进行聚类确定聚类区Ci,转步骤3);否则迭代过程结束,返回全局最优解。



发表评论

You must be logged in to post a comment.