[发明专利]一种基于新型蜂群聚类算法的家居行业潜在客户识别方法

摘要

本发明涉及一种基于新型蜂群聚类算法的家居行业潜在客户识别方法，包括以下步骤：从客户集合中选择聚类中心并进行编码；随机给定所有人工蜜峰的初始位置；跟据人工蜜蜂的适应度对所有人工蜜蜂排序，从中选取前HN个位置作为食物源；根据人工蜜蜂当前位置进行聚类运算，并更新人工蜜蜂位置：更新食物源。本发明实现简便，不过分依赖参数的选择，具有较强的全局搜索能力，收敛速度快，识别精度高等优点，对于家居行业潜在客户识别这种复杂的聚类问题，有非常明显的优化识别效果。

主权项

1.一种基于新型蜂群聚类算法的家居行业潜在客户识别方法，其特征在于包括以下步骤：1)从客户集合X＝{x₁,x₂,...,x_N}中任意选择c个点作为聚类中心y₁,y₂,...,y_c，并进行编码：其中，表示任意一个人工蜜蜂的编码；g表示人工蜜蜂在种群中的角色；s表示人工蜜蜂在角色g子群中的标号，t表示当前的迭代步骤；2)随机给定所有人工蜜峰的初始位置；跟据人工蜜蜂的适应度对所有人工蜜蜂排序，从中选取前HN个位置作为食物源；3)根据人工蜜蜂当前位置进行聚类运算，并根据聚类结果得到每个人工蜜蜂的适应度；通过以下步骤更新人工蜜蜂位置：3‑1)对雇佣蜂或跟随蜂进行位置更新：vsq＝ysq+δsq(ysq‑yhq)其中，s＝1,2,…,n；n表示种群规模；h是随机确定的，不与s相同；vsq代表更新后雇佣蜂或跟随蜂的位置；ysq代表当前雇佣蜂或跟随蜂的位置；yhq代表随机选取雇佣蜂或跟随蜂的位置；δsq为参数，在[‑1,1]范围内随机产生；3‑2)对侦查蜂进行位置更新：其中，σ是在[‑1，1]范围内的随机数；代表侦查蜂更新后的位置；代表侦查蜂当前位置向量中最小的一个维度；代表侦查蜂当前位置向量中最大的一个维度；当时，这只侦察蜂变为雇佣蜂；表示第t次迭代的适应度，表示上一次迭代中值最大的适应度；4)更新食物源：计算所有人工蜜蜂个体当前位置的适应度，从中选择m个大于原有食物源适应度的位置，替换原有食物源中适应度最小的m个位置；5)如果当前的迭代次数达到了预先设定的最大次数Tmax，或最终结果小于收敛精度ξ，则停止迭代，输出当前的人工蜜蜂位置作为最终的聚类结果；否则返回步骤3)。