基于强化型精英保存遗传策略的聚类方法研究

遗传算法是一种随机搜索算法,适用于解决许多复杂的智能优化问题。然而,经典遗传算法具有收敛速度慢和易早熟缺陷。为了找到一种普适性高且效果好的改进遗传算法,解决数据聚类问题,提出一种新的遗传算法改进策略。该策略同时保留父代及交叉产生的个体中的绝大部分精英,用来替换掉变异后同等数量的最差个体,并且将交叉与变异概率提高到1,这样不仅能很好地保留住已产生的精英个体,引导算法稳定地向最优解进化,还可最大限度地使算法获得开拓新的解空间能力。实验结果表明,该方法具有较高的聚类准确性和收敛率,平均收敛准确率为94.67%,平均收敛率为100%,且收敛速度较快,是一种适合解决数据聚类问题的可行方案。