Merry_hj的博客

随着数据对我们当今生产生活的影响不断加深，数据挖掘开始成为了人们更加深入了事物本质的重要方法，聚类分析作为一项十分重要的数据挖掘手段，是使用某种相似度度量方法将数据集分为组内尽可能相似，组间尽可能相异的分组，最终使聚类结果达到规定的评价准则的要求的过程。其中最具代表意义的算法为 K-means 算法，因其简单的原理和较好的聚类效果被应用于诸多领域。样本相似度的度量方法为了将数据集中的样本分为类内相似，类间相异的分组，需要度量不同样本间的相似程度，在聚类操作中，大都使用样本特征空间的距离远近来衡量样本间的

基于小范围淘汰的初始化方法根据人工蜂群算法的机制我们可以看出，算法的初始化对算法的影响较大，初始化的蜜源如果在解空间中分布的不够均匀，覆盖解空间的范围小，将会限制算法在解空间中的搜索范围，导致对解空间中的一些区域搜索不到，影响算法的全局搜索能力。初始化中若蜜源分布过近会影响算法的性能。如图所示个体分布不均示意图发生如上图所示的情况，初始种群中 A，B 出现扎堆现象，A，B 的搜索范围的很大一部分发生了重叠，这将会导致多个个体对同一区域进行重复搜索，浪费搜索资源，并且还有可能导致解空间中一些其他区域因为

回溯搜索算法与高光反射学习的全局优化概要基础回溯搜索算法（BSA）镜面反射学习模型概要这项工作报告了一个新的技术，称为镜面反射学习，以提高优化性能的元启发式方法。镜面反射学习是由物理中的镜面反射现象激发的。请注意，对立学习和镜面反射学习之间有密切的关系。基于对立的学习可以看作是镜面反射学习的一种特殊情况。为了检验镜面反射学习的有效性，利用镜面反射学习对回溯搜索算法进行了改进。利用从著名的CEC 2013、CEC 2014和CEC 2017测试组件中提取的88个测试函数，研究了所提出的带有高光反射学习的回

#>群智能算法定义：群智能算法作为一种新兴的演化计算技术，已成为越来越多研究者的关注焦点，它与人工生命，特别是进化策略以及遗传算法有着极为特殊的联系分类：群智能理论研究领域主要有两种算法：蚁群算法和粒子群优化算法。蚁群算法是对蚂蚁群落食物采集过程的模拟，已成功应用于许多离散优化问题。粒子群优化算法也是起源于对简单社会系统的模拟，最初是模拟鸟群觅食的过程，但后来发现它是一种很好的优化工具...

前言：鲸鱼优化算法(WOA)也是一种元启发式优化算法。一种新的模拟座头鲸狩猎行为的元启发式优化算法(鲸鱼优化算法，WOA)。目前的工作与其他群优化算法相比的主要区别在于，采用随机或最佳搜索代理来模拟捕猎行为，并使用螺旋来模拟座头鲸的泡泡网攻击机制。算法原理：座头鲸最有趣的地方是它们特殊的捕猎方法。这种觅食行为被称为泡泡网觅食法。座头鲸喜欢在接近海面的地方捕食磷虾或小鱼。值得一提的是，泡泡网捕...