聚类邻域自适应调整的多载蚁群算法

doi:10.3778/j.issn.1002-8331.2010.28.012

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (28): 43-45.DOI: 10.3778/j.issn.1002-8331.2010.28.012

聚类邻域自适应调整的多载蚁群算法

沈明明，毛力

江南大学信息工程学院，江苏无锡 214122

收稿日期:2010-01-14 修回日期:2010-04-16 出版日期:2010-10-01 发布日期:2010-10-01
通讯作者: 沈明明

New multi-loading ant colony algorithm based on adaptive adjustment of clustering neighborhood

SHEN Ming-ming，MAO Li

School of Information Technology，Jiangnan University，Wuxi，Jiangsu 214122，China

Received:2010-01-14 Revised:2010-04-16 Online:2010-10-01 Published:2010-10-01
Contact: SHEN Ming-ming

摘要/Abstract

摘要： 针对基本蚁群聚类算法较长时间开销和易产生冗余聚类数目的缺陷，提出了一种基于动态邻域的多载蚁群聚类算法。算法通过邻域动态自适应调整寻找纯净的邻域，增强蚂蚁记忆体记忆纯净邻域的大小，蚂蚁之间协同交流进行多载整合相似邻域形成最终聚类结果。实验结果表明新算法能有效提高算法效率且取得较好的聚类效果。

关键词: 蚁群聚类算法, 动态邻域, 多载

Abstract: In order to solve the problems that the general antcolony clustering algorithm expenses a long time and easily produces redundant number of clusters，a new multi-loading ant colony clustering algorithm based on dynamic neighborhood is provided.The algorithm seeks for the pure neighborhood through the neighborhood dynamic auto-adapted adjustment，enhances ant’s memory to store the size of the pure neighborhood，exchanges the information between ants，multi-loads and merges the similar regions to form the final cluster result.Experiment shows that the new algorithm effectively advances the efficiency of algorithm and the result of clustering.

Key words: ant colony clustering algorithm, dynamic neighborhood, multi-load

中图分类号:

TP18

沈明明，毛力. 聚类邻域自适应调整的多载蚁群算法[J]. 计算机工程与应用, 2010, 46(28): 43-45.

SHEN Ming-ming，MAO Li. New multi-loading ant colony algorithm based on adaptive adjustment of clustering neighborhood[J]. Computer Engineering and Applications, 2010, 46(28): 43-45.

[1]	陈瑶，陈思. 基于自适应多普勒及动态邻域的改进BA算法[J]. 计算机工程与应用, 2021, 57(22): 166-176.
[2]	王昕宇，罗可. 具有全局记忆的LF蚁群聚类算法[J]. 计算机工程与应用, 2019, 55(20): 52-57.
[3]	陈雷，张红梅，张向利. 自适应动态邻域布谷鸟混合算法求解TSP问题[J]. 计算机工程与应用, 2018, 54(23): 42-50.
[4]	龚波，曾飞艳. 基于自适应动态邻域结构的人工鱼群算法[J]. 计算机工程与应用, 2015, 51(13): 52-55.
[5]	傅洪亮，李明瑞，陶勇，杨铁军. 码本扰动有限反馈多载波分层空时检测方法[J]. 计算机工程与应用, 2012, 48(16): 123-128.
[6]	龙银芳，尚俊娜. MC-CDMA系统载波频偏估计[J]. 计算机工程与应用, 2011, 47(4): 102-104.
[7]	綦俊炜，钱晋希，赵旦峰. 基于滤波器设计的快速短波扩频系统研究[J]. 计算机工程与应用, 2011, 47(33): 74-77.
[8]	徐文杰，张有光，张光山. TF/MC DS-CDMA通信系统中接收机的研究[J]. 计算机工程与应用, 2011, 47(25): 97-99.
[9]	赵宝江. 蚁群聚类算法的T-S模糊模型辨识[J]. 计算机工程与应用, 2011, 47(21): 153-156.
[10]	傅洪亮，陶勇，张元. MIMO-MC-CDMA系统分层空时非线性预编码[J]. 计算机工程与应用, 2011, 47(2): 88-90.
[11]	叶林，叶春明，胡金涛. 萤火虫邻域结构的多吸引子微粒群算法及应用——以中国台湾再制造资源回收处理中心选址规划为例 [J]. 计算机工程与应用, 2011, 47(16): 230-234.
[12]	王彦1，2，刘宏立1，王超2. GO-MC-CDMA上行链路ML多用户检测研究[J]. 计算机工程与应用, 2011, 47(15): 90-93.
[13]	张纹华，贾智平，李新. 利用蚁群聚类检测应用层DDoS攻击的方法[J]. 计算机工程与应用, 2011, 47(14): 99-102.
[14]	梁冰，陈德运. 基于蚁群优化聚类算法的DNA序列分类方法[J]. 计算机工程与应用, 2010, 46(25): 124-126.
[15]	韩立娜,熊盛武. 基于动态邻域的粒子群算法的研究[J]. 计算机工程与应用, 2009, 45(6): 60-62.

聚类邻域自适应调整的多载蚁群算法

New multi-loading ant colony algorithm based on adaptive adjustment of clustering neighborhood

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