基于二維細(xì)胞自動(dòng)機(jī)的蟻群聚類研究及應(yīng)用.pdf

1、隨著數(shù)據(jù)挖掘研究的不斷深入，群體智能越來(lái)越受到研究人員關(guān)注，作為其重要分支的蟻群聚類算法備受學(xué)者們青睞。蟻群聚類算法是受螞蟻群體行為啟發(fā)而設(shè)計(jì)的智能仿生算法，具有群體智能的分布式、魯棒性、易擴(kuò)展性、簡(jiǎn)單性、廣泛的適應(yīng)性等特點(diǎn)。
　　本文對(duì)聚類、群體智能及細(xì)胞自動(dòng)機(jī)等理論進(jìn)行介紹，并討論了蟻群聚類中的LF（Lumer&Faieta）和BM（Basic Model）模型。在此基礎(chǔ)上，針對(duì)LF的不足對(duì)其進(jìn)行改進(jìn)，如參數(shù)自適應(yīng)，優(yōu)化螞蟻的

2、移動(dòng)策略和行為，同時(shí)結(jié)合基于實(shí)例庫(kù)推理的思想，將螞蟻分為普通螞蟻和專家螞蟻。專家螞蟻通過查詢實(shí)例庫(kù)來(lái)移動(dòng)和放置數(shù)據(jù)，避免了適應(yīng)度和放置概率函數(shù)的計(jì)算。并給出改進(jìn)算法描述，通過若干數(shù)據(jù)集的實(shí)驗(yàn)表明，該算法有效地改善了聚類性能。
　　研究了使用將一個(gè)螞蟻和一個(gè)數(shù)據(jù)結(jié)合為一個(gè)agent的人工螞蟻休眠模型。利用Q學(xué)習(xí)的思想改進(jìn)了ASM算法中agent的移動(dòng)策略，強(qiáng)化agent選擇靠近聚類中心移動(dòng)方向的動(dòng)作，加快聚類算法的收斂速度，改善了聚