贾瑞玉，宋飞豹,汤深伟

(安徽大学 计算机科学与技术学院，合肥 230601)

1 引 言

随着DNA微阵列技术的出现，为我们提供了很多的基因表达数据.如何通过基因表达数据来分析出样本的显著性特点是当前的主要研究内容之一.聚类算法是数据挖掘的重要算法[1-3]，也是分析基因表达数据的一个有效方法.王文俊等人[4]提出了核类别保留投影法,将其用于数据特征提取，提高了聚类的效率；黄健恒等人[5]将聚类算法镶嵌于MapReduce框架中，加快了算法的运行速度;刘展杰等人[6]为了提高算法的鲁棒性,利用流形学习将基因表达数据映射到一个局部子空间.虽然聚类算法可以很好的对基因数据进行分析，但传统的聚类算法依然存在初始中心点敏感、局部收敛等问题，常用的解决方法就是使用遗传算法与聚类结合[7].何宏等人[8]通过最大属性划分法来确定初始种群，通过两阶段的交叉变异来提高算法收敛速度.Mitchell M等人[9]通过添加扰动项和补类的策略增加了算法的多样性.

虽然遗传算法能够在一定程度上改善聚类算法的不足，但是遗传算法本身也存在着早熟、局部收敛等问题，为了解决这些问题，孟伟等人[10]通过为每次进化种群引入固定比例的随机个体来降低早熟影响.

近几年来，利用精英策略来改进遗传算法的研究越来越多.慕彩红等人[11]将精英个体的数目提升为M个，通过M个精英个体的协同遗传操作来提高算法的全局求优能力.刘全等人[12]将进……