基于不确定性信息的脑风暴优化模型

基于不确定性信息的脑风暴优化模型

参考文献
《Brain Storm Optimization Model Based on Uncertainty Information》

要点

本文基于不确定性信息提出了一种改进的头脑风暴优化。它采用亲和传播聚类而不是K-means聚类。同时，通过借用云滴算法的思想来引入组合多聚类信息的创建算子。所提出的头脑风暴优化是通过挖掘和利用候选解​​的不确定信息来提取特征，不需要设置聚类的数量。

一、亲和传播聚类

亲和传播（AP）算法是一种基于消息传递技术的新型聚类方法。

给出一组数据点（α1，α2，…，αn），并且让s是量化任何两点之间的相似性的函数，即如果αj比αk更类似于αi，则有s（i，j）> s（i，k）。

该算法通过交替的两个消息传递步骤进行，更新两个矩阵：责任矩阵和可用性矩阵。责任矩阵的值r（i，k）量化了如何取αk作为αi的样本。可用性矩阵的值a（i，k）表示ai选择αk作为其样本的程度。

首先，发送责任更新

然后，可用性更新

没看懂，看懂了继续。。。。。。