基于改進多目標螢火蟲優(yōu)化算法的模糊聚類方法

　　針對傳統(tǒng)的模糊聚類算法大都針對單一目標函數的優(yōu)化，而無法獲得更全面、更準確的聚類結果的問題，提出一種基于改進多目標螢火蟲優(yōu)化算法的模糊聚類方法。首先在多目標螢火蟲算法中引入一種動態(tài)調整的變異機制以獲得更加均勻分布的非劣解，其中以動態(tài)減小的概率選擇個體并采用類似于差分進化算法中變異算子的策略對其進行變異，通過自適應調整收縮因子以提高變異效率。然后當歸檔集中的最優(yōu)解集充滿時，從中選取一定量的解與當前種群組合進行下一次進化，使得算法具有更高的效率。最后將其運用到模糊聚類問題中，通過同時優(yōu)化兩個模糊聚類指標的目標函數并從最終的歸檔集中選取一個解確定聚類結果。采用5組數據進行實驗的結果表明，相對于單目標聚類方法，所提方法對各種數據集的聚類有效性指標提高了2到8個百分點，具有更高的聚類準確性和更好的綜合性能。