基于膜計算的黑洞聚類算法研究.pdf

1、大自然總是能夠給人們帶來無窮的靈感和豐富的想象空間，當問題的解決遇到各種阻礙時，借助自然規(guī)律很有可能就會獲得意想不到的效果。在過去的幾十年里，受大自然的啟發(fā)，多種啟發(fā)式算法應運而生。遺傳算法、模擬退火算法、粒子群算法等等這些智能優(yōu)化算法都是根據自然界中的各種生物、物理現象抽象出來的計算模型。本文中即將提到的黑洞聚類算法（BH）也是從宇宙中的物理黑洞現象中得到啟發(fā)，并于2013年由Abdolreza Hatamlou根據物理黑洞中星體塌陷

2、、粒子逃逸等現象抽象出來的一種新型計算模型。該模型結構簡單、容易實現，且就算法本身而言也達到了較好的聚類效果，為人們在聚類問題上的分析指明了一個新的方向。
　　膜計算，作為自然計算的一個新分支，是從細胞以及由細胞組成的組織或結構中抽象出來的一種計算模型。由于該模型的分布并行式計算特點，自它被提出以來就受到了國內外的眾多關注。實驗證明，膜計算可以在線性時間內有效的解決 SAT問題并且在計算能力上有超越圖靈機局限性的可能。
　　

3、結合以上兩種算法，本文提出了一種基于膜計算的黑洞聚類算法（BH-MC）。該算法結合膜計算的分布式并行計算特點，將黑洞聚類算法機制（選擇、移動、吸收）融入到了膜計算的計算框架下，并利用細胞型 P系統(tǒng)的轉運機制實現了對象之間的信息共享，達到了提升算法收斂速度的目的。為了驗證算法性能，本文在三個數據集上分別對BH-MC算法進行了實驗，并將算法的聚類效果和一些經典算法（K-means、PSO）進行了比較，同時，相較BH算法而言，為了突出BH-M