基于K-均值聚类的免疫粒子群优化算法
作者:
满春涛
[1] ;
张锐
[1,2] ;
张涛
[3]
关键词:
K-均值
疫苗提取
免疫粒子群优化算法
自适应
摘要：
在解决复杂函数优化问题时,免疫粒子群优化算法在疫苗提取操作中,通常把最佳粒子作为有效特征信息,没有从根本上解决＂趋同性＂问题,影响算法的收敛速度和收敛精度。针对该问题,提出了一种基于K-均值聚类的免疫粒子群优化算法（KIPSO）,将K-均值聚类算法用于免疫疫苗的提取,确定最高平均适应值的聚类中心及其最大邻域,得到符合具有最优个体特征的疫苗集,并以自适应方式确定疫苗集进行疫苗更新,提高算法的收敛性。仿真结果表明,与免疫粒子群优化算法相比,该算法提高了收敛速度和收敛精度。
上一篇：基于PCA-BPNN方法的中长期电力负荷预测
下一篇：基于动态规划的通信蓄电池组的优化控制