基于改进引力搜索算法的K-means聚类

针对K-means算法的聚类结果极易受到聚类中心的影响而陷入局部最优解的问题，提出一种基于改进引力搜索的K-means聚类算法。首先引入自适应概念，对引力系数衰减因子进行控制，提高算法的全局探索能力和局部开发能力；然后，引入免疫克隆选择机制，以便算法能够有效跳出局部最优，并通过对12个基准测试函数的实验验证改进引力搜索算法的有效性和优越性；最后，通过结合改进的引力搜索算法和K-means算法，提出一种新的聚类算法A2F-GSA-Kmeans，在六个测试数据集上的实验表明，该算法具有较好的聚类质量。