Адаптивний підхід до нечіткої кластеризації на основі еволюційної оптимізації алгоритму сірих вовків

Abstract

Розглянуто задачу адаптивної нечіткої кластеризації даних з використанням еволюційного алгоритму. Оскільки у загальному випадку цільова функція кластеризації є багатоекстремальною, з невідомою кількістю локальних оптимумів, запропоновано алгоритм пошуку глобального екстремуму, що по суті є гібридом ройового алгоритму сірих вовків, випадкового пошуку та еволюційного планування. Запропонований метод виключає можливість “застрягання” в локальних екстремумах за допомогою подвійної перевірки знаходження вовка-домінанта в екстремумі та порівнянні із заданою похибкою розрахунків, дозволяє скоротити кількість запусків процедури. Метод є достатньо простим у чисельній реалізації, дозволяє знаходити глобальні екстремуми складних функцій, що підтверджується результатами числового експерименту.