基于混沌函数映射的ACO聚类算法

Lei Yang、Xin Hu、Hui Wang、Wensheng Zhang、Kang Huang、Dongya Wang

国际标准编号：1557-3958|EISSN公司：1557-3966|EISBN13：9781799859857|内政部：10.4018/IJCINI.20211001.oa20

MLA公司

Yang，Lei等，“基于ACO的混沌函数映射聚类算法”IJCINI公司第15卷，第4期，2021年：第1-21页。http://doi.org/10.4018/IJCINI.20211001.oa20

亚太地区

Yang，L.，Hu，X.，Wang，H.，Zhang，W.，Huang，K.，&Wang，D.（2021）。一种基于混沌函数映射的ACO聚类算法。国际认知信息学与自然智能杂志（IJCINI），15(4), 1-21. http://doi.org/10.4018/IJCINI.20211001.oa20

芝加哥

Yang，Lei等，“基于混沌函数映射的ACO聚类算法”国际认知信息学与自然智能杂志（IJCINI）第15页，第4页：1-21。http://doi.org/10.4018/IJCINI.20211001.oa20

导出参考

收藏夹完整发布下载

查看全文HTML

查看全文PDF

摘要

为了克服蚁群优化聚类算法（ACOC）在处理聚类问题时的不足，引入了一种新的混沌蚁群优化算法。该算法的主要思想是将混沌映射函数应用于蚁群优化的两个阶段：信息素初始化和信息素更新。在信息素初始化阶段应用混沌映射函数可以鼓励蚂蚁尽可能多地分布在不同的初始状态。在信息素更新阶段应用混沌映射函数可以给算法增加干扰因素，促使蚂蚁更多地探索新路径，避免过早收敛和过早收敛到次优解。在四个广泛使用的基准上对传统算法和提出的算法进行了广泛的实验，以研究新算法的性能。这些实验结果证明了该算法的竞争效率、有效性和稳定性。