LF算法整个算法来自一种利用信息熵的群体智能聚类算法提供的算法

LF算法：整个算法来自《一种利用信息熵的群体智能聚类算法》提供的算法 一、算法伪码： 1、初始化：

1.1每一个空间的点映射到二维窗格，每个空间的点分配唯一的二维窗格坐标。一个窗格只能有一个点。

1.2为每一只蚂蚁在二维窗格分配唯一的地址

（第一步需要注意的是：空间上点的位置和平面窗格上点的位置完全是两回事，空间上两个点的位置来计算两点之间的距离；而平面上点的位置，主要是用来确定半径为S的区域内的点，计算两个点的空间距离，进而计算群体相似度，最后通过群体相似度来计算拾起或者放下的概率）

2、迭代tmax次

3、所有的蚂蚁运动一次

4、产生一个0-1之间的随机数R

5、如果当前蚂蚁处于未负载状态，而且当前蚂蚁所在处的有点Oi 5.1、计算群体相似度f(Oi)和拾起概率Pp(Oi) 5.2、如果拾起概率Pp(Oi)》R

5.2.1、当前蚂蚁拾起点Oi（注意Oi在窗格中的位置是不断变动的） 5.3 5.2结束

6、如果条件5不成立，如果当前蚂蚁处于负载状态，持有点Oi，而且当前位置没有其他点 6.1计算群体相似度f(Oi)和放下概率Pd(Oi) 6.2如果放下概率Pd(Oi)》R

6.2.1放下节点Oi（注意点Oi在窗格中的位置是不断变动的） 6.3 6.2结束 7、5结束

8、当前蚂蚁移到邻近区域内的没有被其他蚂蚁占据的节点

9、所有的蚂蚁运动一次结束 10、迭代tmax次结束

二、算法数据结构

1、这个地方主要用到三个数据结构

? 蚂蚁矩阵Ant_Matrix：假设蚂蚁有k只，这个矩阵的大小是k*3维，k代表蚂蚁数，第1、

2列表示蚂蚁的当前位置，第3列表示蚂蚁携带的结点的下标

? 结点的空间矩阵Item_Space：假设每个结点有m个属性，而共有n个结点，这个矩阵的大

小是n*m

? 结点的窗格矩阵Item_Window：共有n个结点，这个矩阵的大小是n*2，这两列代表点在

窗格上的位置。

2、重要的公式： ? 群体相似度计算

? 放下或拾起概率

3、整个程序结构

? 求两点空间的距离函数（完成）

a) 输入参数：

? Oi点 ? Oj点

? 点的空间矩阵Item_Space b) 输出参数：

? 两点之间的距离

? 求Oi点在平面窗格内S*S区域内的邻接点的下标矩阵（完成）

a) 输入参数：

? Oi点

? S局部查找范围

? Item_Window（结点的窗格矩阵） ? Z平面窗格总区域 b) 输出参数

? 所有在S*S区域内的结点的下标

? 设计函数计算群体相似度计算（完成）

a) 输入参数：

? Oi点（需要计算的点）、 ? S（S*S区域内）、 ? Alpha、

? Item_Window（结点的窗格矩阵） b) 输出参数：

? Oi点的相似度

? 放下概率的计算（完成）

a) 输入参数：

? Oi点（需要计算的点）、 ? S（S*S区域内）、 ? Alpha、

? Item_Window（结点的窗格矩阵） ? K1 b) 输出参数

? 放下概率

? 拾起概率的计算（完成）

a) 输入参数：

? Oi点（需要计算的点）、 ? S（S*S区域内）、 ? Alpha、

? Item_Window（结点的窗格矩阵） ? K2 b) 输出参数

? 拾起概率

? 初始化函数（完成）

a) 输入参数

? 蚂蚁的数目ant_number ? 点的数目item_number

? 空间尺寸Z，空间大小Z*Z b) 输出参数

? 蚂蚁的平面窗格矩阵 ? 点的平面窗格矩阵

? 当前蚂蚁移到邻近区域内的没有被其他蚂蚁占据的节点

a) 输入参数

? 蚂蚁编号ant_no ? S局部查找范围

? ant_matrix（蚂蚁的窗格矩阵） ? Z平面窗格总区域 b) 输出参数

? 蚂蚁前往的结点坐标

? 判断蚂蚁所在处是否有点

a) 输入参数

? x蚂蚁横坐标 ? y蚂蚁纵坐标

? item_window所有点的坐标矩阵 b) 输出参数

? 蚂蚁所在处是否有点，有点1，无点0