2.2 .Một số giải thuật tối ƣu hóa cụm
3.4. Phƣơng pháp đề xuất để phân cụm đa mục tiêu
3.4.1. Trình bày chuỗi và khởi tạo kho lƣu trữ
Kỹ thuật AMOSA phát triển một tập tâm nhóm thể hiện sự phân chia các dữ liệu. Trong một chuỗi cụ thể ghi mã các tâm nhóm k trong không gian d chiều do đó chiều dài l của chúng được tính thành d*K. Ví dụ, trong không gian bốn chiều, chuỗi (2.3 1.4 7.6 12.9 2.1 3.4 0.01 12.2 0.06 2.3 6.7 15.3 3.2 11.72 9.5 3.4) ghi mã mốn tâm nhóm ( 2.3 1.4 7.6 12.9) , (2.1, 3.4, 0.01, 12.2), (0.06, 6.7, 15.3) và (3.2, 11.72, 9.5, 3.4). Mỗi tâm được coi là không thể phân chia. Mỗi chuỗi trong lưu trữ khởi tạo ghi mã tâm Ki của các nhóm, ví dụ Ki (rand () mod (Kmax - 1)+2. Ở đây, rand () là một chức năng chuyển thành số nguyên và Kmax là ước tính tạm thời của một số nhóm bên trên. Số nhóm sẽ dao động từ hai đến Kmax. Các tâm Ki ghi mã trong một chuỗi thường là các điểm chọn ngẫu nhiên từ tập dữ liệu.
Begin
Bƣớc 1: T = Tmax; Tmax = độ đo cực đại.
Bƣớc 2: Khởi tạo kho lưu trữ.
Bƣớc 3: Current_sol= giải pháp chọn ngẫu nhiên từ kho lưu trữ. While T < Tmin ; Tmin=giá trị độ đo cực tiểu
Bƣớc 4: For i=1 to iter
Call clustering_PS() procedure for current_sol /* tiến hành phân cụm cho giải pháp current_sol */
Compute objective function for current_sol /* tính các hàm mục tiêu cho current_sol */ New_sol = mutate(current_sol)
Call clustering_PS() procedure for new_sol
Compute objective function for new_sol
Use the steps of AMOSA to decide who will be the next current_sol. Whether to include new_sol in the archive.
/* sử dụng giải thuật AMOSA để quyết định xem chấp nhận giải pháp mới hay giải pháp cũ.
T = α x T; α cooling rate. End for.
Bƣớc 5: Select the best solution from the archive.
/* Chọn giải pháp trong kho lưu trữ*/
Bƣớc 6: Output best solution and stop.
End.
Hình 3.2. Các bước chính của thuật toán VAMOSA