×
李志勇;易、焦红;王盖革

一种新的基于精英策略的磷虾群群智能聚类方法。 （英语） Zbl 1461.90187号

算法（巴塞尔） 8，第4期，951-964（2015）.
摘要：模糊C均值（FCM）聚类算法作为最流行、最受认可的聚类方法之一，在理论和应用方面是其他模糊聚类分析方法的基础。然而，FCM算法本质上是一种局部搜索优化算法。因此，有时可能无法找到全局最优值。为了克服FCM算法的不足，提出了一种新的具有精英策略的磷虾群算法，称为KHE，用于解决聚类问题。精英主义悲剧具有很强的防止磷虾种群退化的能力。此外，在KHE方法中使用了精心选择的参数，而不是源自大自然。通过一系列仿真实验，结果表明KHE确实是解决一般基准问题和模糊聚类分析的一个很好的选择。

引用于2文件

MSC公司：

90 C59 数学规划中的近似方法和启发式
62H30型 分类和区分；聚类分析（统计方面）
62小时86 多元分析与模糊性

关键词：

群集;磷虾群;精英主义战略;群体智能

软件：

全球野生动物组织;GSA公司;磷虾群
PDF格式BibTeX公司 XML格式引用
\textit{Z.-Y.Li}等人，《算法（巴塞尔）》8，第4期，951--964（2015；Zbl 1461.90187）
全文： 内政部
OA许可证

参考文献：

[1] 米尔贾利利，S。；米尔贾利利，S.M。；刘易斯，A。；灰狼优化器；高级工程师软件：2014; 第69卷，第46-61页。
[2] 萨雷米，S。；米尔贾利利，S.Z。；米尔贾利利，S.M。；进化种群动力学与灰狼优化器；神经系统。计算。申请：2014; 第26卷，1257-1263。
[3] Goldberg，D.E；搜索、优化和机器学习中的遗传算法：纽约，纽约，美国1998年。
[4] 西蒙，D。；基于生物地理的优化；IEEE传输。进化。计算：2008; 第12卷，702-713。
[5] 萨雷米，S。；米尔贾利利，S。；刘易斯，A。；基于生物地理学的混沌优化；神经系统。计算。申请：2014; 第25卷，1077-1097。
[6] 王，G.G。；A.H.甘多米。；阿勒维。；在基于生物地理学的优化中，提出了一种有效的带有迁移算子的磷虾群体算法；申请。数学。型号：2014; 第38卷，2454-2462·Zbl 1427.90303号
[7] 李，X。；张杰。；尹，M。；动物迁徙优化：一种受动物迁徙行为启发的优化算法；神经系统。计算。申请：2014; 1867-1877年第24卷。
[8] Rashedi，E。；Nezamabadi-Pour，H。；Saryazdi，S。；Gsa：一种引力搜索算法；信息科学：2009; 第179卷，第2232-2248页·Zbl 1177.90378号
[9] 米尔贾利利，S。；王，G.G。；科埃略有限责任公司。；使用混合粒子群优化和引力搜索算法的二进制优化；神经系统。计算。申请：2014; 第25卷，1423-1435年。
[10] 米尔贾利利，S。；刘易斯，A。；自适应高斯引导引力搜索算法；神经系统。计算。申请：2014; 第25卷，1569-1584。
[11] 杨，X.S。；Deb，S。；通过勒维航班进行布谷鸟搜索；世界自然与生物启发计算大会会议记录（NaBIC 2009）：印度哥印拜陀，2009年，210-214.
[12] 李，X。；Wang，J。；尹，M。；利用正交学习方法提高布谷鸟搜索算法的性能；神经系统。计算。申请：2013; 第24卷，1233-1247。
[13] 王，G.G。；Deb，S。；A.H.甘多米。；张，Z。；阿勒维。；混沌杜鹃搜索；软计算：2015; .
[14] 王，G.G。；A.H.甘多米。；X.赵。；Chu，H.E。；调和搜索算法与杜鹃搜索相结合的全局数值优化；软计算：2014; 第25卷，1423-1435年。
[15] 王，G.G。；甘多米，A.H。；杨，X.S。；阿勒维。；一种新的基于磷虾群和布谷鸟搜索的全局优化混合方法；国际生物激励杂志。计算：2012; .
[16] 西哈提卜。；弗莱明，P。；种马：一场迷你革命？；《第五届平行问题解决国际会议论文集》，《自然》，纽约，美国，1998年，683-691.
[17] 方，S。；Deb，S。；Yang，X.S.公司。；基于狼捕食行为的启发式优化方法；神经系统。计算。申请：2015; 第26卷，1725-1738。
[18] 米尔贾利利，S。；米尔贾利利，S.M。；Hatamlou，A。；多重优化：一种全局优化的自然启发算法；神经系统。计算。申请：2015; .
[19] 米尔贾利利，S。；蜻蜓算法：一种新的元神经优化技术，用于解决单目标、离散和多目标问题；神经系统。计算。申请：2015; .
[20] 米尔贾利利，S。；火焰优化算法：一种新的自然启发启发式范式；基于知识的系统：2015; .
[21] 王，G.G。；Deb，S。；科埃略有限责任公司。；蚯蚓优化算法：一种用于全局优化问题的生物启发元启发式算法；国际生物学杂志。计算：2015; .
[22] Geem，Z.W。；Kim，J.H。；Loganathan，G.V.公司。；一种新的启发式优化算法：和谐搜索；模拟：2001年；第76卷，60-68。
[23] 王，G。；郭，L。；Duan，H。；Wang，H。；刘，L。；邵，M。；将调和搜索与生物地理学优化相结合进行全局数值优化；J.计算。西奥。纳米科学：2013; 第10卷，2318-2328。
[24] 杨，X.S。；萤火虫算法、随机测试函数和设计优化；国际生物学杂志。计算：2010; 第2卷，78-84。
[25] 王，G.G。；郭，L。；Duan，H。；Wang，H。；一种用于全局数值优化的改进firefly算法；J.计算。西奥。纳米科学：2014; 第11卷，477-485。
[26] 王，G。；郭，L。；Duan，H。；刘，L。；Wang，H。；一种改进的无人机路径规划firefly算法；国际混合信息技术杂志：2012; 第5卷，123-144。
[27] 肯尼迪，J。；埃伯哈特，R。；粒子群算法；IEEE神经网络国际会议论文集：；第4卷，1942-1948年。
[28] 米尔贾利利，S。；刘易斯，A。；二元粒子群优化的S形与v形传递函数；蜂群。进化。计算：2013; 第9卷，1-14。
[29] 米尔贾利利，S。；刘易斯，A。；萨迪克，A.S。；用于粒子群优化的自治粒子群；阿拉伯的。科学杂志。工程：2014年；第39卷，4683-4697·Zbl 1390.90590号
[30] 王，G.G。；Deb，S。；崔，Z。；帝王蝶优化；神经系统。计算。申请：2015; .
[31] 多里戈，M。；马尼佐，V。；科尔尼，A。；蚂蚁系统：通过协作代理群体进行优化；IEEE传输。系统。人类网络。B网络：1996; 第26卷，第29-41页。
[32] Yang，X.S；自然启发元启发式算法：Frome，UK 2010。
[33] 杨，X.S。；A.H.甘多米。；Bat算法：一种新的全局工程优化方法；工程计算：2012; 第29卷，464-483。
[34] 米尔贾利利，S。；米尔贾利利，S.M。；杨，X.S。；二进制bat算法；神经系统。计算。申请：2013; 第25卷，663-681。
[35] 张J.W。；王，G.G。；使用带有变异的bat算法进行图像匹配；申请。机械。材料：2012; 第203卷，第88-93页。
[36] 杨，X.S。；何，X。；Bat算法：文献综述与应用；国际生物学杂志。计算：2013; 第5卷，141-149。
[37] 斯托恩，R。；价格，K。；差分进化——一种简单有效的连续空间全局优化启发式算法；J.全球。最佳方案：1997; 第11卷，341-359·Zbl 0888.90135号
[38] 邹，D。；吴杰。；高，L。；李，S。；无约束优化问题的改进差分进化算法；神经计算：2013年；第120卷，469-481。
[39] 邹，D。；刘，H。；高，L。；李，S。；任务分配问题的改进差分进化算法；工程应用。Artif公司。智力：2011; 第24卷，616-624。
[40] 王，G.G。；A.H.甘多米。；杨，X.S。；阿勒维。；一种用于全局数值优化的改进加速粒子群算法；工程计算：2014; 第31卷，1198-1220。
[41] A.H.甘多米。；内部搜索算法（isa）：一种新的全局优化方法；ISA事务：2014; 第53卷，1168-1183。
[42] 邹，D。；高，L。；吴杰。；李，S。；李毅。；可靠性问题的一种新的全局协调搜索算法；计算。印度工程：2010年；第58卷，307-316。
[43] 邹，D。；高，L。；李，S。；吴杰。；一种有效的可靠性问题全局协调搜索算法；专家系统。申请：2011; 第38卷，4642-4648。
[44] 邹，D。；高，L。；李，S。；吴杰。；用一种新的全局协调搜索算法求解0-1背包问题；申请。柔软。公司名称：2011; 第11卷，1556-1564。
[45] 李，X。；尹，M。；差分进化算法在自势数据中的应用；《公共科学图书馆·综合》：2012年；第7卷，e51199。
[46] 李，X。；尹，M。；基于多样性测度的置换流水车间调度的对立差分进化算法；高级工程师软件：2013; 第55卷，10-31。
[47] 王，G。；郭，L。；Duan，H。；刘，L。；Wang，H。；邵，M。；基于混合元神经de/bbo算法的无人作战飞机路径规划；高级科学。工程医学：2012年；第4卷，550-564。
[48] 李，X。；尹，M。；基于混合差分进化算法和人工蜂群算法的混沌系统参数估计；非线性动态：2014; 第77卷，第61-71页。
[49] 李，X。；Wang，J。；周，J。；尹，M。；基于扰动生物地理学的全局数值优化的变异优化；申请。数学。计算：2011; 第218598-609卷·Zbl 1226.65055号
[50] 李，X。；尹，M。；基于多算子变异的生物地理学全局数值优化；计算。数学。申请：2012; 第64卷，2833-2844·Zbl 1268.90150号
[51] 李，X。；尹，M。；约束数值优化的自适应约束人工蜂群算法；神经系统。计算。申请：2012; 第24卷，723-734。
[52] 米尔贾利利，S。；莫赫德·哈希姆，S.Z。；莫拉迪安·萨杜鲁迪，H。；基于混合粒子群优化和引力搜索算法的前馈神经网络训练；申请。数学。计算：2012; 第218卷，11125-11137·Zbl 1282.90248号
[53] 米尔贾利利，S。；米尔贾利利，S.M。；刘易斯，A。；让基于生物地理学的优化器训练您的多层感知器；信息科学：2014; 第269卷，188-209。
[54] 李，X。；尹，M。；基于多目标二元生物地理学的基因表达数据特征选择优化；IEEE传输。纳米生物学：2013; 第12卷，343-353。
[55] A.H.甘多米。；阿勒维。；磷虾群：一种新的生物启发优化算法；Commun公司。非线性科学。数字。模拟：2012; 第17卷，4831-4845·Zbl 1266.65092号
[56] A.H.甘多米。；Talatahari，S。；Tadbiri，F。；阿勒维。；桁架结构优化设计的Krill-harm算法；国际生物学杂志。计算：2013; 第5卷，281-288。
[57] 王，G.G。；A.H.甘多米。；阿勒维。；Hao，G.S。；用于全局数值优化的差分进化混合磷虾群算法；神经系统。计算。申请：2014; 第25卷，297-308。
[58] 王，G.G。；A.H.甘多米。；阿拉维，A.H。；螺磷虾群算法；神经计算：2014年；第128卷，363-370页。
[59] 王，G。；郭，L。；Wang，H。；段，H。；刘，L。；李，J。；将变异方案引入磷虾群算法进行全局数值优化；神经系统。计算。申请：2014; 第24卷，853-871。
[60] 郭，L。；王，G.G。；A.H.甘多米。；阿勒维。；Duan，H。；一种新的全局数值优化的改进磷虾群算法；神经计算：2014年；第138卷，第392-402页。
[61] 王，G.G。；A.H.甘多米。；阿勒维。；磷虾群算法中拉格朗日和进化参数的研究；计算智能中的适应性和杂交：Cham，瑞士，2015年；第18卷，111-128。
[62] 王，G.G。；A.H.甘多米。；阿勒维。；Deb，S。；基于磷虾群和量子粒子群优化的混合算法；神经系统。计算。申请：2015; .
[63] 王，G.G。；郭，L。；A.H.甘多米。；Hao，G.S。；Wang，H。；混沌磷虾群算法；信息科学：2014; 第274卷，17-34。
[64] 杨，X.S。；崔，Z。；Xiao，R。；A.H.甘多米。；卡拉马诺格鲁，M；Swarm Intelligence and Bio-Inspired Computation:美国马萨诸塞州沃尔瑟姆，2013年。
[65] Jamil，M。；Yang，X.S.公司。；全局优化问题基准函数的文献综述；国际数学杂志。模型。数字。最佳方案：2013; 第4卷，150-194·Zbl 1280.65053号
[66] Wang，G.G.公司。；A.H.甘多米。；阿勒维。；用于全局数值优化的混沌粒子温磷虾群算法；Kybernetes:2013年；第42卷，962-978·Zbl 1511.90432号
[67] 刘，Q。；王，Z。；刘，S。；基于模拟退火和遗传算法的优化聚类算法；微型计算机。信息：2006年；第22卷，270-272。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。