[发明专利]一种基于模糊C‑均值聚类的布谷鸟算法

摘要

本发明属于涉及函数优化技术领域，具体涉及一种基于模糊C‑均值聚类的布谷鸟算法。本发明通过在布谷鸟算法的偏好随机游动中引入模糊C‑均值算法，将解中具有相同性质的分量集中在一类进行更新，增强了维间抗干扰能力。同时更改偏好随机游动的步长更新范围，增加了搜索方向，提高了算法的多样性。本发明能够有效地提高CS算法的收敛速度并改善解的质量，尤其体现在求解高维函数优化问题上。

主权项

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si定义为其中，α是常数，u和v分别服从方差为σu和σv的正态分布N(0，σ2)，其中，σv＝1，σu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，σu的值用β来调节，xi的位置更新公式可以描述为xi(k+1)←xi(k)+ri·si(k)  (3)其中，ri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·(xi∈[1，n]‑xj∈[1，n])  (4)其中，xi∈[1，n]和xj∈[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·(xi∈[1，n]‑xj∈[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pa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。