首先,使用K-means算法在每次迭代中建立聚类区域的形心向量,然后KO提出两种移动策略,以在开发和探索能力之间建立平衡。每次迭代中探索或开发的移动策略的决定取决于一个参数,该参数将被设计为识别每个搜索代理是否在访问的区域中过长而没有自我改进。
NO.1|K-means基本原理详解
K-means算法将一组数据划分为K个由离散的非重叠子组定义的簇,每个数据点属于一个不同的组。它寻求保持簇内数据点尽可能相似,同时使簇尽可能不同。它通过最小化数据点与簇中心(簇中所有数据点的算术平均值)之间的平方距离之和来分配数据点到簇。簇内方差越小,数据点越同质(相似)。为了找到K个中心,问题是基于数据点 和中心位置 最小化目标函数,如方程(1)所示。
具体文章详细解读可以点击下面的链接查看:
(点击直达)中科院一区算法KO-K均值优化算法(K-means Optimizer)-附Matlab免费代码
ReMinh, Hoang-Le, Thanh Sang-To, Magd Abdel Wahab, and Thanh Cuong-Le. "A new metaheuristic optimization based on K-mean clustering algorithm and its application for structural damage identification in a complex 3D concrete structure." Knowledge-Based Systems (2022): 109189. https://doi.org/10.1016/j.knosys.2022.109189.
官方店铺
一、群智能算法开发(转让)
转让进行中(仅此两项,先到先得)
(1)性能极强,SCI级新算法上新,完整代码及灵感获取(SCI一区)
(2)双11超级优惠!SCI级新算法上新,完整代码及配套应用直接获取
二、群智能算法相关测试集及代码
三、机器学习项目合集(python/matlab)
- (MATLAB/Python)机器学习全家桶回归/预测
- CNN-BiLSTM-attention
- PSO-CNN-BiLSTM-attention
- CNN-BiLSTM-Adaboos详情
- CNN-LSTM-attention
- CNN-GRU-Attention
- PSO-BP神经网络
- QPSO-LSTM
- CNN-SVM
- CNN-BiGRU-attention
四、算法应用
- 1.基于改进多目标粒子群算法的微电网多目标优化调度
- 2.粒子群算法实现机器人栅格地图路径规划|灰狼算法实现机器人栅格地图路径规划,小龙虾优化算法实现机器人栅格地图.
- 3.基于遗传算法的公交车排班系统优化分析
- 4.利用粒子群算法对PID控制器的参数进行优化设计
- 5.基于粒子群算法的带时间窗约束(VRPTW)的生鲜产品车辆路径规划问题
- 6.基于联合对立选择算子改进粒子群优化算法的K-means图像分割
- 7.基于A*算法|灰狼优化算法的机器人路径规划
- 8.基于改进的遗传算法的城市交通信号优化分析
- 9.使用粒子群优化算法实现VMD分解,对K和alpha参数寻优|附MATLAB代码
- 10.免疫(Immunity Algorithm,IA)优化算法在物流配送中心选址应用
- 11.基于粒子群算法优化双核极限学习机 (HKELM)
- 12.基于遗传算法的LOR控制器优化设计