[发明专利]一种基于模糊C‑均值聚类的布谷鸟算法

权利要求书

1.一种基于模糊C-均值聚类的布谷鸟算法，其特征在于，具体的实现步骤如下：

步骤1.随机初始化n个鸟巢的位置，评价鸟巢中鸟蛋的质量；

步骤2.设置优化目标的误差阈值，如不满足条件则一直循环执行下述步骤：

步骤2.1.在原始的布谷鸟算法中，第i只布谷鸟移动到下一个巢的步长s_i定义为

其中，α是常数，u和v分别服从方差为σ_u和σ_v的正态分布N(0，σ²)，其中，σ_v＝1，σ_u定义为

σ=[sin(πβ/2)Γ(1+β)2(β-1)/2βΓ(1+β2)]1/β---(2)]]>

其中，Γ(·)代表伽马函数，σ_u的值用β来调节，x_i的位置更新公式可以描述为

x_i(k+1)←x_i(k)+r_i·s_i(k)(3)

其中，r_i是(0，1)区间的均匀分布随机数；

不同于公式(1)，对于产生新巢的步长公式可以由下式获得

r′＝rand·(x_i∈[1，n]-x_j∈[1，n])(4)

其中，x_i∈[1，n]和x_j∈[1，n]是从整个种群中随机选择的两个解，为了增加搜索方向的多样性上式可改为

r′＝r·(x_i∈[1，n]-x_j∈[1，n])(5)

其中，r是[1，-1]之间的随机数，新巢的位置更新公式可以描述为

x′=xi+r′ifPa>paxielse---(6)]]>

其中，发现概率p_a是[0，1]之间的随机数；

利用公式(1)计算n布谷鸟下一次的路线方向及其长度，可以得到新的n鸟巢位置，评价鸟巢的质量并和上一个鸟巢质量相比，如果质量变差，则保持上一个鸟巢不变，如果质量变好，则抛弃原来的鸟巢进入新的鸟巢；

步骤2.2.对于n个鸟巢，如果鸟巢中的寄主鸟根据发现概率发现布谷鸟的鸟蛋后，根据公式(6)产生新的鸟巢位置，并对n个鸟巢位置矢量中分量根据模糊C-均值聚类算法聚类，逐类的替换到对应的上一个鸟巢位置矢量中进行评价，如果替换后的质量变好，则将上一个鸟巢位置对应的位置替换，如果变差，则保持不变；

步骤2.3.最后对所有的鸟巢位置进行评价，保持质量最好的位置，并依次执行步骤2.1和步骤2.2。