37、基于群体智能的聚类算法综述

基于群体智能的聚类算法综述

1. 研究概述

对基于群体智能（SI）的硬（明确）聚类算法进行了系统回顾，涵盖了粒子群优化（PSO）、蚁群优化（ACO）、人工蜂群系统（ABS）、混合算法以及其他基于SI的算法。代理表示是设计基于SI算法的关键要素，因此根据代理表示将基于SI的聚类算法分为四类，并探讨了每种表示方案处理聚类问题中各种挑战特征的能力，包括多目标、未知簇数量、任意形状的簇、数据类型、约束和可扩展性。

2. 代理表示与基于SI的聚类算法

不同的SI算法在代理表示上有不同的偏好，以下是根据代理表示和SI算法类型总结的研究频率：
| 代理表示 | 数据点到簇分配 | 簇代表 | 直接点 - 代理匹配 | 搜索代理 | 总数 |
| — | — | — | — | — | — |
| PSO | 1 | 12 | 2 | 0 | 15 |
| ACO | 4 | 0 | 0 | 1 | 5 |
| ABS | 0 | 0 | 4 | 8 | 12 |
| 混合 | 0 | 7 | 0 | 2 | 9 |
| OSIB | 1 | 6 | 2 | 1 | 10 |

• PSO ：簇代表方案是PSO中最广泛使用的代理表示。因为PSO最初是为连续优化问题提出的，所以非常适合搜索簇代表。只有一项研究使用了数据点到簇分配表示方案，且采用了组合PSO解决聚类问题。目前讨论的PSO研究未使用搜索代理表示。
• ACO ：应用了数据点到簇分配和搜索代理表示。ACO是一种构造元启发式算法，蚂蚁在每次迭代