基于群体智能优化算法的聚类设计

(1) 初始化种群

初始化方法：

• 完全随机产生的方法。
• 结合先验知识产生初始种群。

问题解形式的确定

算法参数的选取

评估函数的确定

(2) 个体更新

① 依靠自身的能力进行局部搜寻

• 传统进化计算算法。
• Memetic算法
• 猫群算法中的搜寻模式
• 蜂群算法中的跟随蜂和侦察蜂的位置更新
• 细菌觅食算法
• 人工鱼群算法

② 收到其他解的影响来更新自身

• 免疫算法
• 猫群算法中的跟踪模式
• 粒子群算法
• 混合蛙跳算法
• 蚁群算法
• 蜂群算法中引领蜂的更新

(3) 群体更新

① 个体更新实现群体更新

② 子群更新实现群体更新

③ 选择机制实现群体更新

(4) 优点

1. 渐进式寻优。
2. “适者生存，劣者消亡”
3. 有指导的随机搜索
4. 并行式搜索
5. 黑箱式结构
6. 全局最优解
7. 通用性强
8. 智能化
9. 具有较强的鲁棒性
10. 易于与其他算法相结合