[发明专利]一种基于模糊聚类迭代与投影寻踪的最优方案遴选方法

权利要求书

1.一种基于模糊聚类迭代与投影寻踪的最优方案遴选方法，其特征在于：该方法的具体步骤如下：

S1：针对样本集中的每个个体进行适度评判，寻找最优对象；

S2：对两个空间平行进化，其中主体群空间进化规则为混沌差分进化算法，信念空间采用基于分段线性混沌映射的混沌搜索进行进化；

S3：将主体群空间和信念空间互补融合后，若进化指数达到设定值的整倍数时，则进行接收操作和影响操作；

S4：当运算终止条件达到时，停止运算，否则迭代次数加1，继续运算；

S5：按照样本件距离最短遴选出最优的方案输出。

2.根据权利要求1所述的一种基于模糊聚类迭代与投影寻踪的最优方案遴选方法，其特征在于：所述步骤S2中，分段线性混沌映射的表达式如下：式中，r为控制参数。

3.根据权利要求1所述的一种基于模糊聚类迭代与投影寻踪的最优方案遴选方法，其特征在于：所述步骤S2中，混沌差分进化算法的具体流程如下：假设有样本集X＝{X₁,X₂,…X_N}^T,每个X_j有M维指标，令X_j＝{x_1j,x_2j,…,x_Mj}，由模糊化理论得出，矩阵X转化成标准指标矩阵R，即R_ij(x_imax-x_ij)/(x_imax-x_imin)，式中，x_imax、x_imin分别是指标i的最大值和最小值，为了得到最优隶属矩阵U和最优聚类中心矩阵S，将聚类目标使样本空间的加权广义欧式距离平方和最小，其目标函数为其中u_hi表示x_i对第h类中的隶属度，ω_i是指标i的权重，r_ij是标准化后的样本j第i项指标的特征值，s_ih在类别h中的聚类中心。

4.根据权利要求1所述的一种基于模糊聚类迭代与投影寻踪的最优方案遴选方法，其特征在于：所述步骤S3中，接收操作的具体流程如下：假设信念空间的大小为M,当进行接收操作时，主体群空间将当前适应度值最高的M个解提供给信念空间，信念空间通过对比适应度值高低，取最优的M个个体替换原空间中适应度值较小个体。

5.根据权利要求1所述的一种基于模糊聚类迭代与投影寻踪的最优方案遴选方法，其特征在于：所述步骤S3中，影响操作的具体流程如下：当运行影响操作时，信念空间选择适应度值最高的0.5M个个体来取代主群体空间中适应度值较低的个体。

6.根据权利要求1所述的一种基于模糊聚类迭代与投影寻踪的最优方案遴选方法，其特征在于：所述步骤S3中，采用投影值标准差作为S(y)表征类间距离，采用样本与聚类中心间的加权广义欧氏距离平方和作为D(y)来表征类内样本密度，该投影值无需选择密度窗宽参数，通过求解最小化投影指标函数值即min{Q_F(a)}来得到最优投影方向向量，即