蚁群聚类程序文档[实用论文].docVIP

LF算法：整个算法来自《一种利用信息熵的群体智能聚类算法》提供的算法 一、算法伪码： 1、初始化： 1.1每一个空间的点映射到二维窗格，每个空间的点分配唯一的二维窗格坐标。一个窗格只能有一个点。 1.2为每一只蚂蚁在二维窗格分配唯一的地址 （第一步需要注意的是：空间上点的位置和平面窗格上点的位置完全是两回事，空间上两个点的位置来计算两点之间的距离；而平面上点的位置，主要是用来确定半径为S的区域内的点，计算两个点的空间距离，进而计算群体相似度，最后通过群体相似度来计算拾起或者放下的概率） 2、迭代tmax次 3、所有的蚂蚁运动一次 4、产生一个0-1之间的随机数R 5、如果当前蚂蚁处于未负载状态，而且当前蚂蚁所在处的有点Oi 5.1、计算群体相似度f(Oi)和拾起概率Pp(Oi) 5.2、如果拾起概率Pp(Oi)》R 5.2.1、当前蚂蚁拾起点Oi（注意Oi在窗格中的位置是不断变动的） 5.3 5.2结束 6、如果条件5不成立，如果当前蚂蚁处于负载状态，持有点Oi，而且当前位置没有其他点 6.1计算群体相似度f(Oi)和放下概率Pd(Oi) 6.2如果放下概率Pd(Oi)》R 6.2.1放下节点Oi（注意点Oi在窗格中的位置是不断变动的） 6.3 6.2结束 7、5结束 8、当前蚂蚁移到邻近区域内的没有被其他蚂蚁占据的节点 9、所有的蚂蚁运动一次结束 10、迭代tmax次结束 二、算法数据结构 1、这个地方主要用到三个数据结构 蚂蚁矩阵Ant_Matrix：假设蚂蚁有k只，这个矩阵的大小是k*3维，k代表蚂蚁数，第1、2列表示蚂蚁的当前位置，第3列表示蚂蚁携带的结点的下标 结点的空间矩阵Item_Space：假设每个结点有m个属性，而共有n个结点，这个矩阵的大小是n*m 结点的窗格矩阵Item_Window：共有n个结点，这个矩阵的大小是n*2，这两列代表点在窗格上的位置。 2、重要的公式： 群体相似度计算 放下或拾起概率 3、整个程序结构 求两点空间的距离函数（完成） 输入参数： Oi点 Oj点 点的空间矩阵Item_Space 输出参数： 两点之间的距离 求Oi点在平面窗格内S*S区域内的邻接点的下标矩阵（完成） 输入参数： Oi点 S局部查找范围 Item_Window（结点的窗格矩阵） Z平面窗格总区域 输出参数 所有在S*S区域内的结点的下标 设计函数计算群体相似度计算（完成） 输入参数： Oi点（需要计算的点）、 S（S*S区域内）、 Alpha、 Item_Window（结点的窗格矩阵） 输出参数： Oi点的相似度 放下概率的计算（完成） 输入参数： Oi点（需要计算的点）、 S（S*S区域内）、 Alpha、 Item_Window（结点的窗格矩阵） K1 输出参数 放下概率 拾起概率的计算（完成） 输入参数： Oi点（需要计算的点）、 S（S*S区域内）、 Alpha、 Item_Window（结点的窗格矩阵） K2 输出参数 拾起概率 初始化函数（完成） 输入参数 蚂蚁的数目ant_number 点的数目item_number 空间尺寸Z，空间大小Z*Z 输出参数 蚂蚁的平面窗格矩阵 点的平面窗格矩阵 当前蚂蚁移到邻近区域内的没有被其他蚂蚁占据的节点 输入参数 蚂蚁编号ant_no S局部查找范围 ant_matrix（蚂蚁的窗格矩阵） Z平面窗格总区域 输出参数 蚂蚁前往的结点坐标 判断蚂蚁所在处是否有点 输入参数 x蚂蚁横坐标 y蚂蚁纵坐标 item_window所有点的坐标矩阵 输出参数 蚂蚁所在处是否有点，有点1，无点0