作者：徐晓华; 陈岐群体智能蚁群聚类
摘要：受蚂蚁分巢居住行为的启发，提出一种人工蚂蚁运动（ant movement，简称AM）模型和在此模型上的一个自适应的蚂蚁聚类算法（adaptive ant clustering，简称AAC）．将人工蚂蚁看成一个行为简单的Agent，代表一个数据对象，在AM中，人工蚂蚁有睡眠和活跃两种状态，在AAC算法中，定义了一个适应度函数用来衡量蚂蚁与其邻居的相似程度、人工蚂蚁通过其适应度和激活概率函数来决定处于活跃态或者睡眠态，整个蚂蚁群体在移动中动态地、自适应地、自组织地形成多个独立的子群体，使不同类别的蚂蚁之间相互分离；而同类的蚂蚁之间高度紧密地排列，从而形成聚类．提出了对参数的自适应的更新方法，使得人工蚂蚁的移动仅仅使用少量的局部信息，这对加快聚类速度和提高聚类质量有非常显著的效果．模拟实验充分显示出，该蚂蚁聚类算法与BM和LF算法相比，在模型上更直观，操作上更简单，可自适应地修改参数，对参数的限制少，计算成本较小，聚类质量高，具有速度快、高效、自组织性和鲁棒性的优点，适用于解决高维、复杂的聚类问题。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
