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。