基于局部搜索机制的K-Means聚类算法

K-Means聚类算法的结果质量依赖于初始聚类中心的选择。该文将局部搜索的思想引入K-Means算法,提出一种改进的KMLS算法。该算法对K-Means收敛后的结果使用局部搜索来使其跳出局部极值点,进而再次迭代求优。同时对局部搜索的结果使用K-Means算法使其尽快到达一个局部极值点。理论分析证明了算法的可行性和有效性,而在标准文本集上的文本聚类实验表明,相对于传统的K-Means算法,该算法改进了聚类结果的质量。

基于局部搜索机制快速求解TSP问题的自适应遗传算法

提出了一种基于局部搜索机制快速求解TSP的遗传算法。基于局部搜索机制,自适应地将标准遗传算法与局部启发式算法结合,使得局部启发式算法只在有效改善种群个体质量的情况下才允许执行,有效地避免了因局部搜索次数过多而引起的陷入局部最优和计算负担过重现象的发生。仿真结果表明,该算法具有较强的全局优化能力及较快的收敛速度,在求解TSP问题时有较高效率。

基于多策略改进麻雀搜索算法的无人艇路径规划

为获得高性能无人艇(USV)的航行路径,提出一种基于多策略改进的麻雀搜索算法(MISSA)。首先,设计了带转向角惩罚项的适应度函数;其次,利用黄金正弦法与参数自螺旋设定对位置更新策略进行改进,同时,在位置更新过程中加强了麻雀个体间的信息交流,以平衡全局探索与局部搜索过程;再次,引入混沌圆映射以提高初始麻雀种群的质量和多样性;最后,设计了局部搜索优化机制以解决原始麻雀算法(SSA)容易陷入局部最优的问题,得到适应度更佳的全局路径。仿真结果表明,相较改进A∗、结合遗传的改进蚁群及原始SSA等三种优秀算法,本文MISSA算法在路径距离、转向角度与次数等关键性能指标上均表现最佳,为无人艇自主安全运行提供了一种有效途径。

一种新的求解多峰函数优化问题的动态演化算法

本文给出了一种新的求解多峰函数优化问题的定义:定位所有的极值点,包括全局的峰值点和局部的峰值点。传统的演化算法框架都是群体固定的演化迭代过程,对求解多峰函数优化问题时由于无法事先得知峰值点的个数而很难确定合适的群体大小,影响了算法的效率。提出一种群体动态可调的演化方式,使得初始群体大小可任意指定,在演化过程中通过聚集和按比例引入新个体两个过程而动态变化。实验表明,该算法能尽可能多地定位峰值点。