模糊C均值算法(FCM)是当前比较流行且应用广泛的一种模糊聚类算法,已经成功应用于模式识别、图像处理等诸多领域。但是,它存在着需要聚类数目先验知识、对初始值敏感和易陷入局部极值等固有的缺点。为了弥补FCM算法的缺点,同时鉴于演化算法作为一种随机全局搜索技术的卓越优化效果,本文将遗传算法与差异演化算法相结合,提出一种异质协同演化模糊聚类算法——GADEFCM算法。该算法使用改进的掩码方式动态决定聚类中心的数目,将种群划分成两个子种群,分别用遗传算法和差异演化算法进行演化,子种群中的每个个体按规则执行FCM操作进一步加快算法收敛速度。在演化过程中两个子种群相互协作,通过不同的间隔迁移策略相互交换优良个体引导搜索过程,充分利用了遗传算法的全局探索能力与差异演化算法的局部搜索能力。GADEFCM算法克服了FCM算法需要聚类数目先验知识和易陷入局部极值等缺点,能够更高效的找到全局最优解。本文通过MATLAB平台进行仿真实验,使用数据集对GADEFCM算法和其它几种算法的聚类效果、聚类数目和运行时间进行测试,实验结果证明了该算法能够在运行时间允许的前提下,找到正确的聚类中心数目,获得更好的聚类效果。最后,将GADEFCM算法应用于文本聚类,通过实验证明了该算法能够获得较好的文本聚类效果。