王秋萍，郭佳丽，王晓峰

西安理工大学理学院, 西安 710054

出版日期:2021-05-25发布日期:2021-08-11

A Chaotic Moth Flame Optimization Algorithm Based on Dimension Learning and Quadratic Interpolation

WANG Qiuping, GUO Jiali, WANG Xiaofeng

Faculty of Sciences, Xi’an University of Technology, Xi’an 710054

Online:2021-05-25Published:2021-08-11







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

针对K-means算法对初始聚类中心敏感和容易陷入局部最优的问题, 首先提出一种基于维数学习和二次插值的飞蛾火焰优化算法以提高基本算法的求解精度和收敛速度, 即采用Tent混沌映射产生多样性较好的初始种群, 增强算法的全局搜索能力; 对火焰位置采用维数学习策略生成更优良的火焰来指导飞蛾寻优, 以提高算法的搜索效率; 把二次插值引入基本飞蛾火焰算法, 每次迭代利用二次函数的极值点产生新的飞蛾个体, 增强算法的局部开发能力, 更好地平衡算法的探索与开发能力, 从而改善了解的精度. 选取CEC 2017测试函数进行数值实验测试所提算法的性能, 并与5个先进的元启发式算法比较, 结果表明: 所提出的算法具有更高的求解精度和更强的鲁棒性. 然后, 将改进的飞蛾火焰算法用来优化聚类中心的位置, 5个UCI数据集的实验结果表明改进的算法适用于求解K-means聚类问题, 且取得了好的聚类效果.
分享此文:

()

No related articles found!

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=14212