基于P系統(tǒng)的改進粒子群優(yōu)化算法研究及其在聚類問題中的應(yīng)用.pdf

1、膜計算又被成為膜系統(tǒng)或者P系統(tǒng)，它是一種具有分布式、極大并行性的計算模型，大量研究已表明，許多簡單膜系統(tǒng)在理論上具有與圖靈機同等的計算能力，鑒于該計算模型強大的并行計算能力，膜系統(tǒng)還有可能突破圖靈機的局限性或取而代之。膜系統(tǒng)已經(jīng)成為一個比較熱門的研究領(lǐng)域，因此膜計算在各領(lǐng)域發(fā)展迅速。
　　聚類就是將一系列數(shù)據(jù)對象劃分成多個組或者簇的數(shù)據(jù)處理過程，簇內(nèi)數(shù)據(jù)相似性較高，簇間數(shù)據(jù)不相似?，F(xiàn)如今，聚類分析已被應(yīng)用到多個領(lǐng)域，比如機器學(xué)習(xí)，

2、圖像模式識別，市場分析等等。粒子群優(yōu)化算法是一種隨機優(yōu)化算法，它通過模擬鳥類或者魚類的覓食行為來完成自身的自我進化。作為一種基于群體智能算法，粒子群優(yōu)化算法由于其參數(shù)少，且易于實現(xiàn)等優(yōu)點，目前已被成功應(yīng)用到多個領(lǐng)域，如數(shù)據(jù)聚類、模式識別、神經(jīng)網(wǎng)絡(luò)訓(xùn)練等等。但是粒子群優(yōu)化算法仍然存著著自身難以克服的缺點，比如容易陷入局部最優(yōu)，產(chǎn)生過早收斂等，為了改善這些缺點，提高算法性能，眾多學(xué)者對其進行了改進。
　　本文針對粒子群優(yōu)化算法進行了適

3、當(dāng)改進，加入遠離最差這種思想來進行尋優(yōu)，這種思路可以幫助提高種群的多樣性，增強尋優(yōu)能力。遺傳算法的突變機制能夠幫助很好的增加種群的多樣性，通過把這種機制引入到改進的粒子群算法中，改善算法容易陷入局部最優(yōu)的情況。在粒子群優(yōu)化算法中，粒子位置的改變都是直接的，因此，我們通過借助模擬退火規(guī)則來對粒子速度的位置變化做出概率規(guī)定，借此提高種群的全局搜索能力。本文嘗試在這些算法上對粒子群算法進行適當(dāng)改進，之后將改進后的粒子群優(yōu)化算法與膜系統(tǒng)結(jié)合，用

4、進化算法替代膜規(guī)則，利用膜系統(tǒng)的交流規(guī)則來交流獲得最優(yōu)解，從而完成聚類問題。
　　Y通過將粒子群優(yōu)化算法結(jié)合遺傳算法的遺傳機制以及模擬退火機制，對原粒子群算法全局搜索能力進行了改進，并且?guī)椭纳迫菀紫萑刖植孔顑?yōu)情況。本文將改進的粒子群優(yōu)化算法結(jié)合膜系統(tǒng)，嘗試用基于膜系統(tǒng)的粒子群優(yōu)化算法算法進行聚類。并且針對現(xiàn)有聚類算法的一些問題，嘗試用現(xiàn)有改進的膜進化方法進行改進，幫助進一步提高算法的性能。
　　客戶關(guān)系管理是一種以客戶為中

5、心，以企業(yè)與外部交流為主導(dǎo)，以企業(yè)前端業(yè)務(wù)應(yīng)用為主的一種管理模式。客戶細分是客戶關(guān)系管理的基礎(chǔ)，它是將一個大的客戶群或者消費者群體劃分成若干個細分群體，群體中同屬于一個細分群體的客戶或者消費者的彼此間消費特性相似，從屬于不同細分群體的客戶或者消費者之間特性不同。借助數(shù)據(jù)挖掘的方法對既有客戶進行細分，可以幫助企業(yè)更透徹的理解客戶的行為特征，發(fā)現(xiàn)新的商業(yè)機會，減少對既有客戶的營銷成本，更好的滿足消費者需求。本文研究和實現(xiàn)了用改進的K-mea