摘要：为了克服遗传算法未成熟收敛现象,提高聚类效果和性能,本文提出一种基于免疫遗传算法的聚类方法。该方法将免疫原理引入遗传聚类算法中,通过对选择算子在依据适应度选择的机制上,增加基于浓度的调节因子来调整抗体的选择概率,从而保持了群体多样性,有效克服了未成熟收敛现象。算法使用改进的分组编码方式并针对该编码方式制定了相应的种群初始化方案,设计了合理的遗传算子,使算法具有自动获取最优聚类数和最优聚类方案的能力。理论分析和实验结果证明,该算法具有良好的性能和聚类效果。

摘要：针对基本遗传算法SGA在搜索过程中易陷入局部最优解的问题,提出了基于熵测度的自适应遗传算法,并分析了熵测度下种群个体被选概率的极限行为。理论分析和对比实验表明,基于熵测度的自适应选择策略能根据种群性状来动态地调整选择压力,从而调整算法的开采和探索能力的平衡,提高算法的全局优化性能。