介绍了蚁群算法和聚类分析,针对传统蚁群聚类算法参数设置对结果影响大的缺点,提出了一种自适应蚁群聚类算法。主要通过对传统蚁群算法的参数进行简化,增加对局部相似度的运算,使蚂蚁的移动具有一定的方向性,从而降低蚂蚁移动的随机性,对待聚类模式的主成分分析再进行聚类,简化聚类的过程。最后在MATLAB上做了仿真实验,实验结果分析表明,运用该算法能得到较好的聚类结果

软件 2 1 02年第 3 3卷第 7期

S F,R 0T AE

国际 I T传媒品牌

基于MA L B自适应蚁群聚类算法研究与仿真 TA的 周腾 (中南民族大学计算机科学学院，湖北武汉 4 07) 30 4

摘

要：绍了蚁群算法和聚类分析，介针对传统蚁群聚类算法参数设置对结果影响大的缺点，提出了一种自适应蚁群聚类算法。

主要通过对传统蚁群算法的参数进行简化，增加对局部相似度的运算，使蚂蚁的移动具有一定的方向性，而降低蚂蚁移动的随机从 性，对待聚类模式的主成分分析再进行聚类，简化聚类的过程。最后在 MA L B上做了仿真实验， TA实验结果分析表明，运用该算法 能得到较好的聚类结果，而说明该算法是可行的。从 关键词：蚁群算法；聚类分析；自适应； T A MA L B

中图分类号：P 8 T 1

文献标识码： A

DO: 03 6￣i n10 .902 1.7 3 I 1. 9 .s.0 36 7 . 20 . 5 9 s 0 0

Re e r h a d S mu a i n o e f d p in An o o y C u t r n g r t m s a c n i l to n S l_a a to t C l n l s e i g Al o ih - Ba e n MATLAB sd o Z HOU T n eg

(o t— e t l nv ri f r ain l i, ol eo c m ue i c, h n 3 0 4 C ia S uhC nr i s y o t a ie C l g o p tr c n e Wu a 0 7, h ) aU e t N o ts e f se 4 n

[ s a t It d c eat oo ya oi m adc s raa s, ea s f jrsot mig f aa tr stn hc f Abt c]nr u et n ln l rh n l t l i b cueo o h r o n so rmees e igw i a- r o h c g t u en y s ma c p t h f cs t er s l a o tt d t n la tc l n l se n l o t m, r p s d a d p ie a t o o y cu t r g ag r h . h rg n la t e t h e u t b u a i o a o o y c u tr g ag r h r i n i i p o o e n a a t l n l se i l o t m T e o i a n v n c n i i c l n l se n

l o tm a e n man y i r v d b h s t o s S mp i a a tr ft eta i o a n o o y a g rt m, n o o y cu t r g ag r h h sb e i l mp o e y t e e meh d: i l y p r mee s o r d t n l t l n l o i i i f h i a c h i— c e s g t ec mp tt n o c l i lrt, k ea t mo e wi e ti i ci n t e e y r d c er n o e s f h t v, r a i o u a i fl a mi i ma e t n s n h o o s a y h v t a c ran dr t,h r b e u e t a d mn s e a smo e h e o h o t n a d a ay i ft ep i cp l o o e ta a y i o e cu trn a tr n h n cu t￣ s n l sso r i a mp n n n l ss ft l se g p t n a d t e l se i l y t e cu t r g p o e s F n l, n t e n h n c h i e mp i l se n r c s . i a l i f h i y h MATL AB smu a in a d e p r e t l e u t h w h t h s f h l o t m a e etrcu t r g r s l, i h d m o sr t a i lt n x e m n a s l s o t a eu e o e ag r h c n g t t l se n e u t wh c e n t et t o i r s t t i b e i s a h t ea g rt m e sb e h l o h i f a i l. i s

[ ywod] n oo y loi m; ls r nls; d pieMA L B Ke r s A t ln g rh Cut ayi A at; T A c a t ea s v

0引言 蚁群算法…最早是由 M. r o V. ni z Doi, Ma l z o等人首先 g e提出来的，它是一种描述基于蚁群群体行为的算法，智能群是体算法的一个分支。该算法在旅行商问题和其它优化问题中获得了一系列理想的实验结果，充分体现了该算法的可行性。

类问题时，仍然存在着两个问题：一是蚂蚁在移动的过程中，带有很大的随机性，这样极有可能导致很多移动都是无效的，大大浪费了

聚类的时间；二是参数的设置和选取对算法结果会有

很大的影响，如果没有足够的经验，有可能得不到较好的聚类 结果。

聚类分析 (ls r a ay i是数据挖掘领域中最为常见 cut n ls ) e s 的技术之一，它可以用于发现大规模数据集中的对象类 (或簇), 并能根据数据间的相似程度自动地进行分类，得不同类之间使的相似性尽量小，同一个类内的相似性尽量大。而

群体相似度是蚂蚁 (式 )模与其所在局部环境中其他蚂蚁 (式)模的综合相似度。文献[] 3中给出了基本的群体相似度计 3算表达式：

“。, Oir。,三( )∈,

一

( 1 J

1传统的蚁群聚类算法 D n u o r L等人提出了一种基本模型 (ai mo e, e e b u g 2 b s dl c

其中： (,r为模式。的局部环境，, LO ) I以为半径的圆形区域， O, ) l为模式 0、 j间的距离， o之用欧式距离或余弦距离 来表达， n为模式 D的局部环境内其他模式的个数；为群体相 6 c似系数，其值对聚类中心的个数以及算法的收敛速度具有重要 的影响。如何调整 0的大小，要根据个人的经验或者多次试【需探性试验来决定，目前没有理论的参考，因而很难把握。

简称 B用来解释蚂蚁尸体堆积成蚂蚁墓的行为， u r和 M) L me F i a ae口扩展了 B模型，出了数据对象的相似性度量表达 t M给式，设计了用于数据聚类的 L F算法。尽管 L F算法发展到现在， 运用在 We b文档聚类也取得了满意的效果，是它在处理聚但

作者简介：周腾 (9 7,, 1 8一)男硕士研究生，主要研究方向是数据挖掘与智能算法。 -

15 0

软件杂志欢迎推荐投稿：ht:w w. o o . m/ t/ w c ms￣t p/ c o