论文部分内容阅读
传统的K-means 算法局部搜索能力强，但是对初始化比较敏感，并且容易陷入局部最优值，这些缺陷严重限制了它的应用范围。针对目前普遍所存在的问题，本文提出一种改进的基于量子蚁群的聚类方法，将量子计算原理和蚂蚁算法结合来改进K-means 算法，该方法结合了两个方法的优点，力求优势互补，并且在该方法中引入微观适应性策略改进了算法中的交叉算子和变异算子，提高了聚类算法的局部搜索能力。实验证明该算法保证了种群的多样性，有很好的全局收敛性，克服了K-means 的不足，能有效解决未成熟收敛的问题。