一种改进的蚁群聚类算法

doi:10.3778/j.issn.1002-8331.2010.06.038

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (6): 133-135.DOI: 10.3778/j.issn.1002-8331.2010.06.038

• 数据库、信号与信息处理 • 上一篇下一篇

一种改进的蚁群聚类算法

朱峰，陈莉

西北大学信息科学与技术学院，西安 710127

收稿日期:2008-08-27 修回日期:2008-12-16 出版日期:2010-02-21 发布日期:2010-02-21
通讯作者: 朱峰

Improved ant based clustering algorithm

ZHU Feng，CHEN Li

School of Information Science and Technology，Northwest University，Xi’an 710127，China

Received:2008-08-27 Revised:2008-12-16 Online:2010-02-21 Published:2010-02-21
Contact: ZHU Feng

摘要/Abstract

摘要： 分析了现有蚁群聚类算法的特点与不足，并在此基础上提出了一种改进的蚁群聚类算法。改进算法分别从蚂蚁捡起对象、放下对象的策略、参数α的自适应改变策略及游离对象的处理策略四个不同方面对现有蚁群聚类算法进行改进。仿真实验结果表明，改进算法可以获得更好的聚类效果和时间性能。

关键词: 蚁群算法, 聚类分析, 群体智能

Abstract: This paper analyzes the feedback of the basic ant based clustering algorithm，and presents an improved ant based clustering algorithm.The improved algorithm improves four strategies for basic ant clustering algorithm，the strategy of ants pick up the object，lay down the object and the strategy of adaptive change to the parameter α，and discrete object handling strategy.The experimental results show that the improved algorithm has a better time performance and clustering result.

Key words: ant colony algorithm, clustering analysis, swarm intelligence

中图分类号:

TP311

朱峰，陈莉. 一种改进的蚁群聚类算法[J]. 计算机工程与应用, 2010, 46(6): 133-135.

ZHU Feng，CHEN Li. Improved ant based clustering algorithm[J]. Computer Engineering and Applications, 2010, 46(6): 133-135.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[4]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[5]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[6]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[7]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[8]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.
[9]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[10]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[11]	何雅颖，范昕炜. 改进蚁群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2021, 57(16): 276-282.
[12]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.
[13]	张苏英，郭宝樑，陈灵芝，刘慧贤. 双向蚁群算法的智能消防疏散图路径规划[J]. 计算机工程与应用, 2021, 57(14): 259-266.
[14]	付朝晖，刘长石. 生鲜电商配送的开放式时变车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(1): 271-278.
[15]	安宁，江思源，唐晨，杨矫云. 融合单纯形映射与熵加权的聚类方法[J]. 计算机工程与应用, 2020, 56(9): 148-155.

一种改进的蚁群聚类算法

Improved ant based clustering algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics