基于自适应混沌变异的k-均值聚类粒子群算法

摘要：

针对经典粒子群(PSO)算法易出现早熟收敛和搜索精度差的缺陷,提出了一种基于混沌变异的k-均值聚类PSO优化算法(FCPSO).该算法首先通过k-均值聚类方法把粒子群分成若干个子群体,从而在迭代过程中每个粒子根据其个体极值和所在子种群中的全局极值来更新自己的位置和速度.其次,在算法中引入自适应混沌变异,有效的增强了子群体之间信息交换和经典PSO算法跳出局部最优解的能力.对几个典型可变维函数的测试结果表明,该算法是非常有效的.

关键词：PSO算法、k-均值聚类、混沌变异、信息交换

所属期刊栏目：9

分类号：TP301.6(计算技术、计算机技术)

资助基金：陕西省自然科学基础研究计划项目2006A12;宝鸡文理学院重点科研项目ZK0619

在线出版日期：2009-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1150-1154