一 | BSO基本思想回顾

我们已经学习过BSO是和遗传算法类似的群智能优化算法，但是BSO有其独特的更新解的方式。假设现在种群数目为NIND，那么BSO更新解的方法如下所述：

STEP1：将种群中的NIND个个体分为m类，标准的BSO是采用k-means聚类的方法进行分类的。在matlab可以使用kmeans函数来实现k-means聚类，使用方法如下：

[idx,C,sumD,D] = kmeans(X,K,'Distance','cityblock','MaxIter',1000,'Replicates',5);
 

其中输入数据：

X——一个N行D列的矩阵，N是数据个数，D是数据维数

K——将X划分为几类

Distance——选择计算一个个体与聚类中心之间距离的方式（默认为sqeuclidean）

cityblock——计算一个个体与聚类中心之间距离的一种方式

MaxIter——最大迭代次数（默认为100）

Replicates——使用新的初始群集质心位置重复群集的次数（默认为1）

输出数据：

idx——N行1列的矩阵，存储的是每个点的聚类标号

C——K行D列的矩阵，存储K个聚类中心

sumD——K行1列的矩阵，存储当前聚类中，所有点与这个聚类中心的距离之和

D——N行D列的矩阵，存储每个点与所有聚类中心的距离

既然

文章来源: wenyusuran.blog.csdn.net，作者：文宇肃然，版权归原作者所有，如需转载，请联系作者。

原文链接：wenyusuran.blog.csdn.net/article/details/108397590