曹珍贯, 杨 逊, 吕旻姝, 朱靖雯

(安徽理工大学 电气与信息工程学院， 安徽 淮南 232001)

0 引 言

果蝇算法(FOA)是由潘文超[1]在2012年提出的，是基于仿生果蝇群体觅食行为的寻优算法；文献[2]对果蝇算法和其他算法进行了对比，结果表明果蝇算法简单、参数少、运行效率高，并且在进化次数低时[2]，果蝇算法比混合跳蛙算法[3]、和声算法、人工蜂群算法的收敛精度和收敛速度都高，适合于实际应用或与其他算法结合进行分阶段优化。但是，FOA和其他全局优化算法一样，标准果蝇优化算法也容易陷入局部最优，特别对于高维多极值复杂优化问题，在搜索计算后期收敛速度变慢，收敛精度降低。FOA算法目前的优化途径大致分为两种：对算法自身的改进；将FOA算法与其他算法结合，产生新算法。其中文献[4-5]将果蝇算法的固定步长改进为自适应步长；文献[6]将果蝇群分为搜索果蝇和跟随果蝇，分别进行全局和局部搜索；文献[7]将FOA算法与差分算法相结合，提高果蝇种群多样性；文献[8-9]也都是通过与其他算法相结合，弥补果蝇算法缺陷。智能群算法的改进应该遵循“内部完善-外部提升”[10]，但是目前少有学者对果蝇算法自身的搜索特性进行改进。

针对上述问题，提出了一种基于扇区搜索机制的果蝇优化算法，并将该方法应用于K-means算法优化。本文首先介绍了果蝇算法工作原理和扇区搜索机制搜索原理，然后将改进的果蝇算法用于K-means聚类算法的优化，最后通过对比实验验证改进的FS-K算法具有更好的聚类效果。……