螢火蟲最佳化分群演算法

A Glowworm Algorithm for Solving Data Clustering Problems

曾國泰(Kuo-Tai Tseng)

指導教授 ： 楊燕珠 ； 高有成

大同大學/經營設計學院/資訊經營學系所/碩士(2008年)

摘要

本研究以螢火蟲最佳化(Glowworm Swarm Optimization, GSO)演算法為基礎，發展出新的資料分群方法，我們稱之為CGSO(Glowworm Swarm for Clustering)。GSO演算法是一種新的群體智慧技術，能夠求解連續型函數的最佳化問題，螢火蟲的亮度與解品質有關，其依賴亮度和半徑決定移動的方向，並會往較亮的螢火蟲移動，最終螢火蟲會聚集在多個位置上。本研究將資料分群問題設計為連續型最佳化問題並用GSO演算法求解。實驗結果顯示以GSO為基礎的分群演算法相較於K-Means和其他萬用啟發式演算法(Meta-Heuristic)，如GA為基分群法、ACO為基分群法，能夠得到較佳的求解品值和穩定性，求解時間上也較ACO為基分群法SACO快速。

關鍵字

資料分群 ； 螢火蟲最佳化演算法 ； 螞蟻最佳化演算法

並列摘要

This paper presents a new data clustering algorithm based on glowworm swarm optimization (GSO) algorithm. GSO is a new type of swarm intelligence techniques and able to find solutions to optimization of continuous functions. In the proposed approach, data clustering problems are modeled as a continuous optimization problem and solved by using the GSO algorithm. The experimental results show that the GSO based clustering algorithm is very competitive compared to other meta-heuristic based approaches.

並列關鍵字

data clustering ； ant colony optimization ； glowworm swarm optimization

參考文獻

[17] 葉恆嘉，混合式螞蟻最佳分群演算法，大同大學資訊經營所，研究所碩士論文，2007。

[16] 丁淯淨，改良式螞蟻分群演算法，大同大學資訊經營所，研究所碩士論文， 2006。

[4] John , E. B. (1976). 'Synchronous Fireflies', Scientific American, May 1976. Vol.234, No. 5, pp. 74-85.

[6] Krishnanand, K. N., and Ghose, D. (2005). ‘Detection of multiple source locations using a glowworm metaphor with applications to collective robotics,’ Swarm Intelligence Symposium, 2005. SIS 2005. Proceedings 2005 IEEE , pp. 84-91, 8-10 June 2005

[7] Krishnanand, K. N., and Ghose, D. (2006). ‘Theoretical foundations for multiple rendezvous of glowworm-inspired mobile agents with variable local-decision domains,’ American Control Conference, 2006 , pp.6 , 14-16 June 2006