改进粒子群优化算法及其在聚类分析中应用

作者：王闯; 张勇; 李学贵; 董宏丽

来源：系统仿真学报, 2020, 32(08): 1577-1587.

DOI：10.16182/j.issn1004731x.joss.19-0006

• 粒子群优化算法
• 人工鱼群算法
• 鱼群-粒子群优化算法
• K-means
• 马尔可夫链

针对标准粒子群优化算法初期收敛速度快,后期容易陷入早熟收敛,局部寻优,全局搜索能力差等缺点,提出了一种新的鱼群-粒子群优化算法(AF-PSO)。引入拥挤因子d和马尔可夫链,将鱼群算法加入到粒子群优化算法中,通过计算拥挤因子,来更新速度模型,使其在觅食,聚群,追尾,随机4种模态下进行切换。仿真结果表明了所提出的AF-PSO算法的综合性能优于其他改进的PSO算法。为进一步说明算法的实用性,将AF-PSO算法成功应用于输油管道泄露数据的聚类分析上。实验结果表明基于AF-PSO的K-means算法性能是优于其他聚类算法。

• 出版日期2020
• 单位东北石油大学