🤖 machine learning

When Fireflies Cluster; Enhancing Automatic Clustering via Centroid-Guided Firefly Optimization

本文提出了一种新颖的质心引导萤火虫算法变体，该变体通过整合多目标适应度函数与基于旅行商问题的导航惩罚项，自动确定复杂非均匀数据集中的最优聚类数量并提升聚类质量，在机器人传感器网络应用中展现出优于K-Means的性能。

原作者： MKA Ariyaratne, Azwirman Gusrialdi, Yury Nikulin, Jaakko Peltonen

发布于 2026-05-19

📖 1 分钟阅读☕ 轻松阅读

原作者： MKA Ariyaratne, Azwirman Gusrialdi, Yury Nikulin, Jaakko Peltonen

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你有一个巨大而凌乱的房间，里面堆满了数百个散落的玩具。你的目标是将它们整理好，把相似的物品归为一组。这正是数据科学中聚类所做的：它根据物品的相似程度，将信息整理成整齐的堆。

然而，这种传统的标准方法（称为K-Means）就像一个僵硬的机器人。它存在三个大问题：

它需要老板：你必须确切地告诉它要分成多少堆（例如，“分成 5 堆”）。如果你猜错了，整个混乱的整理结果就会很差。
它容易陷入僵局：它往往在开始时做出错误的猜测，并且无法修正，即使存在更好的排列方式，最终也会得到一个凌乱的堆。
它忽略路径：它只关心哪个玩具离堆的中心最近。它不在乎你是否需要走之字形路线才能把所有玩具都捡起来，这对于试图高效访问这些位置的机器人来说是不利的。

新解决方案：萤火虫群

本文的作者提出了一种受萤火虫启发的新方法。想象一片黑暗的田野，萤火虫闪烁着光芒。

规则：较暗的萤火虫总是飞向较亮的那只。
亮度：在这个计算机程序中，“亮度”意味着分组的好坏。分组越好，萤火虫就越亮。

研究人员创建了一个特殊的萤火虫游戏版本，以解决旧机器人方法的三个问题。以下是他们如何使用简单的类比来实现的：

1. 无需老板（自动计数）

在旧方法中，你必须在开始前大喊：“分成 5 堆！”而在这种新的萤火虫方法中，萤火虫们会自己弄清楚。

类比：想象一群萤火虫，有的拿着 3 个手电筒，有的拿着 5 个，有的拿着 8 个。它们四处飞舞，那些拥有“最佳”数量手电筒（即正确堆数）的萤火虫会最亮。较暗的萤火虫会模仿它们。最终，整个蜂群会自然地稳定在完美的堆数上，无需任何人告诉它们该做什么。

2. “智能”适应度评分（多任务裁判）

为了决定哪个分组“最亮”，研究人员给萤火虫提供了一张包含三个要点的成绩单：

紧凑性（紧密挤压）：堆里的玩具是否靠得很近？（好！）
分离度（距离）：不同的堆是否彼此足够远，以免混合？（好！）
TSP 惩罚（行走路径）：这是本文的秘诀。他们增加了一条规则，检查你是否可以平滑、简短地遍历堆中的所有玩具。
- 类比：如果你是一个机器人吸尘器，你不仅希望靠近玩具，还希望能够驾驶一条平滑的路径来清洁所有玩具，而无需进行不必要的来回移动。旧方法忽略了这一点；而萤火虫方法则奖励那些易于导航的分组。

3. “变形”舞蹈（移动质心）

在旧方法中，所有堆的大小都相同。而在这种新方法中，萤火虫可以改变它们的大小。

类比：如果一只拥有 3 个堆的萤火虫看到一只拥有 4 个堆的更适应的萤火虫，它不会仅仅复制位置；它可能会添加一个新堆，或者合并两个旧堆，以匹配更好的模式。它们不断调整自己的“形状”，以找到最佳匹配。

他们发现了什么？

研究人员在两张位置地图（一张有 80 个点位，另一张有 1,250 个点位）上测试了这种方法，模拟了一个需要监控不同区域的机器人传感器网络。

结果：当他们将自己的萤火虫方法与旧的 K-Means 机器人进行比较时，萤火虫方法发现了更好的分组。
导航优势：最重要的是，当他们计算机器人访问聚类中所有点所需的总距离时，萤火虫聚类产生了更短的路径。
- 示例：在较小的地图上，与 K-Means 相比，萤火虫方法节省了约 11 个单位的旅行距离。在较大的地图上，它节省了约 138 个单位。

结论

本文介绍了一种更智能的数据排序方法。它不再使用需要你猜测分组数量的僵硬机器人，而是利用数字萤火虫群来：

自我组织，自动找到正确的分组数量。
平衡紧密分组与清晰分离。
优化行程，确保如果机器人必须访问这些地点，它将采取最高效的路线。

作者得出结论，这种方法具有鲁棒性，比旧方法更能处理复杂形状，并且特别适用于机器人传感器网络，因为在这些网络中，高效移动与将相似数据分组在一起同样重要。

技术摘要：萤火虫聚类；通过质心引导的萤火虫优化增强自动聚类

1. 问题陈述

本文探讨了传统聚类算法（特别是 K-Means）在应用于机器人传感器网络部署等复杂现实场景时固有的显著局限性。 identified 的主要挑战包括：

对初始化的依赖性： 像 K-Means 这样的标准方法对聚类中心的初始选择高度敏感，往往导致次优的局部极小值。
K 值的预定义： 大多数算法要求预先指定聚类数量（ $K$ ），而在实际应用中，该数值通常是未知的。
导航效率： 在空间应用（如机器人监控）中，仅基于邻近性（到质心的距离）进行的聚类并不能保证簇内导航路径的高效性。
复杂的数据分布： 传统方法在处理非均匀簇形状、密度以及大规模数据集时往往力不从心，通常无法有效扩展或处理聚类中固有的 NP 难优化问题。

具体的研究动机源于机器人传感器网络任务，其中需要将感兴趣区域进行分组以支持持续监控。现有的 K-Means 方法未能满足以下三项具体要求：独立于初始中心选择、自动确定最优 $K$ 值（在某个范围内），以及生成支持高效簇内导航的聚类。

2. 方法论

作者提出了一种专为自动数据聚类设计的萤火虫算法（FA）新变体。该方法包含三个核心组件：

2.1. 编码与表示

与标准 FA 实现中萤火虫代表单个点不同，在该聚类变体中，每只萤火虫代表一组聚类质心。一个解被编码为大小为 $K \times D$ 的多维数组，其中 $K$ 是聚类数量， $D$ 是数据维度。关键在于，该算法允许萤火虫在优化过程中拥有不同的长度（即不同的 $K$ 值）。

2.2. 质心引导的移动策略

针对具有不同长度（即不同质心数量）的萤火虫，其移动策略是一项关键创新。

标准 FA： 萤火虫基于距离向更亮（更优）的萤火虫移动。
提出的 FA： 当一只质心较少的萤火虫向一只质心较多且适应度更高的萤火虫移动时，算法会识别源萤火虫中每个质心在目标萤火虫中的最近质心。随后，使用修正的吸引公式计算移动：
$\text{新质心位置} = (1 - \beta) \times \text{当前质心} + \beta \times \text{最近目标质心} + \alpha \times \text{随机性}$
动态 K 调整： 在移动过程中，算法根据邻近萤火虫的相对适应度和邻近度，以概率方式添加或移除质心，从而使群体自动收敛到最优的聚类数量。

2.3. 多目标适应度函数

本文引入了一种新颖的适应度函数，平衡了三个目标，并进行了归一化以确保贡献均等：
$\text{适应度} = \alpha \cdot \frac{\text{紧凑度}}{\text{最大紧凑度}} + \beta \cdot \frac{\text{分离度}}{\text{最大分离度}} + \gamma \cdot \frac{\text{总 TSP 惩罚}}{\text{最大 TSP 惩罚}}$

紧凑度： 最小化数据点与其聚类质心之间的平均距离（簇内凝聚力）。
分离度： 最大化聚类质心之间的平均距离（簇间区分度）。
TSP 惩罚： 一个基于旅行商问题（TSP）的新颖组件。它计算访问簇内所有点所需的遍历距离。该项对空间布局分散或不规则的聚类进行惩罚，从而鼓励生成“便于导航”的聚类。此外，它还包含针对极小聚类的对数惩罚，以防止形成无意义的微聚类。

3. 主要贡献

自动 K 估计： 该算法消除了预先指定 $K$ 的需求。相反，它接受一个可行范围（ $K_{min}$ 到 $K_{max}$ ），并动态演化群体，基于适应度景观找到最优的聚类数量。
基于质心的移动： 引入了一种处理不同长度萤火虫（不同 $K$ 值）的移动策略，从而实现了对聚类数量和质心位置的同步优化。
感知导航的聚类： 通过将基于 TSP 的惩罚整合到适应度函数中，该方法显式地优化了空间一致性和路径效率，解决了标准聚类文献中常忽略导航约束的特定空白。
对初始化的鲁棒性： 通过利用萤火虫算法的随机性和多目标适应度景观，该方法相比 K-Means 降低了对初始参数设置的敏感性。

4. 实验结果

所提出的算法在两个代表机器人传感器网络场的二维数据集上进行了评估：一个包含 80 个坐标，另一个包含 1,250 个坐标。

与固定 K 的 K-Means 比较： 当 $K$ 固定时，萤火虫算法达到了与 K-Means 相当的 WCSS（簇内平方和）值，证明了元启发式方法并未为了灵活性而牺牲质量。
自动聚类性能：
- 数据集 1（80 个点）： 算法在多次运行中始终收敛到 $K=4$ ，适应度值变化很小。识别出的质心是稳定的。
- 数据集 2（1,250 个点）： 算法在多次运行中收敛到 $K=3$ 或 $K=4$ 。虽然由于算法的随机性，WCSS 值显示出一些波动，但解仍保持在一致的幅度范围内，表明了其鲁棒性。
导航效率： 使用蚁群系统（ACS）评估了所提出的 FA 生成的聚类，以计算访问每个簇内点的最短路径。
- 数据集 1： FA 聚类的总路径距离为**148.33**，而 K-Means 为**159.99**。
- 数据集 2： FA 聚类的总路径距离为**1,793**，而 K-Means 为**1,931**。
- 结果表明，FA 生成的聚类提供了显著更短的导航路径，验证了适应度函数中 TSP 惩罚的有效性。

5. 意义与主张

本文声称，所提出的质心引导萤火虫优化为空间及导航关键应用中的传统聚类提供了一种鲁棒的替代方案。其意义在于：

解决 NP 难聚类问题： 它通过使用元启发式方法有效应对聚类的 NP 难特性，该方法比基于梯度或确定性的方法更能避免局部最优。
特定应用优化： 与通用聚类不同，该方法专为访问点的顺序至关重要的场景（如机器人巡逻、传感器数据聚合）量身定制，而不仅仅是将相似点分组。
适应性： 自动确定 $K$ 的能力使该算法适用于不同区域数量未知的动态环境。

作者总结道，虽然该方法显示出前景，但未来工作仍需开发自适应参数调节机制，并在超出当前二维范围的高维数据集上测试其可扩展性。该研究保持了谦逊，承认虽然结果在特定指标上优于 K-Means，但算法的随机性导致不同运行间结果存在一定的方差。