论文部分内容阅读
动态聚类算法从本质上讲是单目标组合优化算法，一般需要事先给定目标分类数和初始聚类中心，且初始聚类中心的选择对数据划分结果影响较大。为了解决该问题，提出将产状数据的划分问题转化为多目标优化问题，并采用小生境Pareto遗传算法进行求解。针对聚类问题的特殊性，采用基于链表的编码方案，并建议相应的遗传操作算子；通过引入小生境技术和Pareto支配集理论，仅通过一次求解可由Pareto支配集给出对应于不同目标组数的最优分组结果，而且不用事先给定目标组数以及初始聚类中心。最后，将算法应用于三峡船闸高边坡岩体实测不连