1、隨著計(jì)算機(jī)和通信技術(shù)的發(fā)展，數(shù)據(jù)的獲取已經(jīng)呈現(xiàn)出高速、連續(xù)、海量的特點(diǎn)，而數(shù)據(jù)流作為這種新的數(shù)據(jù)形態(tài)，成為一個(gè)新的研究熱點(diǎn)。為了對(duì)數(shù)據(jù)流進(jìn)行實(shí)時(shí)分析、維護(hù)、并探究數(shù)據(jù)的動(dòng)態(tài)變化，需要有別于傳統(tǒng)的數(shù)據(jù)聚類(lèi)技術(shù)，我們稱(chēng)之為數(shù)據(jù)流聚類(lèi)技術(shù)。而在傳統(tǒng)聚類(lèi)算法的研究中，聚類(lèi)分析在很多情況下都可以作為一種優(yōu)化問(wèn)題處理，從而把進(jìn)化算法應(yīng)用到聚類(lèi)分析中。粒子群優(yōu)化算法作為進(jìn)化算法的代表，由于其原理簡(jiǎn)單、收斂速度快、魯棒性好等優(yōu)勢(shì)，在靜態(tài)優(yōu)化問(wèn)題以及動(dòng)態(tài)

2、優(yōu)化問(wèn)題中都有著廣泛地應(yīng)用。因此本文的重點(diǎn)就放在，把數(shù)據(jù)流聚類(lèi)的問(wèn)題當(dāng)作動(dòng)態(tài)優(yōu)化問(wèn)題，從而使用動(dòng)態(tài)粒子群優(yōu)化算法處理數(shù)據(jù)流聚類(lèi)問(wèn)題。
　　本文針對(duì)當(dāng)前動(dòng)態(tài)粒子群優(yōu)化算法研究中的問(wèn)題，設(shè)計(jì)了新的動(dòng)態(tài)粒子群優(yōu)化算法。根據(jù)數(shù)據(jù)流聚類(lèi)問(wèn)題的特點(diǎn)，將新的動(dòng)態(tài)粒子優(yōu)化算法應(yīng)用于此類(lèi)問(wèn)題中。本文的具體工作如下：
　　1.提出了基于正交學(xué)習(xí)的多種群動(dòng)態(tài)粒子群優(yōu)化算法(OLMPSO)。首先，該算法采用了多個(gè)種群同時(shí)進(jìn)化的策略，包括一個(gè)父種群和

3、多個(gè)動(dòng)態(tài)維護(hù)數(shù)量不固定的子種群。算法中，父種群在整個(gè)搜索空間進(jìn)行搜索，尋找有希望的區(qū)域。如果父種群的最優(yōu)值發(fā)生改變，就以這個(gè)最優(yōu)值為中心產(chǎn)生一個(gè)新的子種群。接下來(lái)，子種群深度挖掘父種群得到的有希望的區(qū)域。為了保證子種群的搜索效率，算法還采用了子種群重疊檢測(cè)機(jī)制，如果兩個(gè)子種群的中心粒子距離小于一個(gè)閥值，就刪除其中一個(gè)比較差的子種群。此外，為了提高子種群的收斂速度和準(zhǔn)確率，子種群采用了正交學(xué)習(xí)粒子群優(yōu)化算法（OLPSO）進(jìn)行更新迭代。最后

4、，為了更快地追蹤環(huán)境變化之后的極值，子種群中的所有粒子在環(huán)境變化之后會(huì)在上一時(shí)刻粒子的最優(yōu)值附近進(jìn)行隨機(jī)搜索。實(shí)驗(yàn)的結(jié)果表明，相對(duì)于其他對(duì)比算法，OLMPSO的性能在絕大多數(shù)情況下都是最好的。
　　2.提出了基于正交學(xué)習(xí)的多種群動(dòng)態(tài)粒子群優(yōu)化算法的數(shù)據(jù)流聚類(lèi)算法(OLMPSO-Stream)。算法的主要思想是通過(guò)構(gòu)建優(yōu)化模型，將數(shù)據(jù)流聚類(lèi)問(wèn)題中數(shù)據(jù)隨時(shí)間變化的過(guò)程看作動(dòng)態(tài)優(yōu)化問(wèn)題中的環(huán)境變化，進(jìn)而轉(zhuǎn)化為動(dòng)態(tài)優(yōu)化問(wèn)題進(jìn)行處理。算法首