[发明专利]一种基于密母算法的软件模块聚类分析方法

权利要求书

1.一种基于密母算法的软件模块聚类分析方法，其特征在于，所述基于密母算法的软件模块聚类分析方法，包括：

步骤一，构建初始种群，所述初始种群中包含预设数量的个体；

步骤二，获取所述初始种群中每个所述个体的适应度数值，根据所述适应度数值从大到小进行排序，选取前N个所述个体构成样本种群；

步骤三，产生第一随机数值，如果所述第一随机数值小于第一预设阈值，则从所述样本种群中随机选取第一个体和第二个体，对所述第一个体和第二个体进行交叉处理，得到交叉个体，获取所述交叉个体的适应度数值，将所述交叉个体存入所述样本种群中得到样本交叉种群；

步骤四，产生第二随机数值，如果所述第二随机数值小于第二预设阈值，则从所述样本交叉种群中随机选取待变异个体，对所述待变异个体进行变异处理，得到变异个体，获取所述变异个体的适应度数值，将所述变异个体存入所述样本交叉种群中，得到样本变异种群；

步骤五，对所述样本变异种群中的个体按适应度数值由大到小进行排序，将最大所述适应度数值对应的个体存放在最优个体数组中，并对种群代数加一；

步骤六，获取中间代种群，对所述中间代种群进行如所述步骤二至所述步骤五的处理，直至所述种群代数大于预设代数阈值时，对所述最优个体数组中存储的所述个体按所述适应度数值进行由大到小的排序，结合爬山法对所述最优个体数组中存储的所述个体进行优化，将优化后的与最大所述适应度数值对应的所述个体存入结果个体数组中，根据所述结果个体数组中所述个体的数据进行软件模块聚类。

2.根据权利要求1所述的基于密母算法的软件模块聚类分析方法，其特征在于，所述产生第一随机数值，如果所述第一随机数值小于第一预设阈值，则从所述样本种群中随机选取第一个体和第二个体，对所述第一个体和第二个体进行交叉处理，得到交叉个体，获取所述交叉个体的适应度数值，将所述交叉个体存入所述样本种群中得到样本交叉种群，包括：

根据预设算法产生第一随机数值；

如果所述第一随机数值小于第一预设阈值，则从所述样本种群中随机选取第一个体和第二个体，在所述第一个体中随机确定第一交叉位置和第二交叉位置，在所述第二个体中产生第三交叉位置；

将位于所述第一交叉位置和所述第二交叉位置之间的转移数据插入到所述第三位置处，删除所述第二个体中与所述转移数据编号相同的数据，得到交叉个体；

确定所述交叉个体的适应度数值，将所述交叉个体存入所述样本种群中，直至所述样本种群中所有所述个体均为所述交叉个体时，则此时的所述所述样本种群即为样本交叉种群。

3.根据权利要求1所述的基于密母算法的软件模块聚类分析方法，其特征在于，所述产生第二随机数值，如果所述第二随机数值小于第二预设阈值，则从所述样本交叉种群中随机选取待变异个体，对所述待变异个体进行变异处理，得到变异个体，获取所述变异个体的适应度数值，将所述变异个体存入所述样本交叉种群中，得到样本变异种群，包括：

根据预设算法产生第二随机数值；

如果所述第二随机数值小于第二预设阈值，则获取随机个体编号；

从所述样本交叉种群中选取与所述随机个体编号对应个体的邻接个体，将所述与所述随机个体编号对应个体中的数据转移到所述邻接个体中，得到变异个体；

确定所述变异个体的适应度数值，将所述变异个体存入所述样本交叉种群中，直至所述样本交叉种群中所有所述个体均为所述变异个体时，则此时的所述样本交叉种群即为样本变异种群。

4.根据权利要求1所述的基于密母算法的软件模块聚类分析方法，其特征在于，结合爬山法对所述最优个体数组中存储的所述个体进行优化，将优化后的与最大所述适应度数值对应的所述个体存入结果个体数组中，根据所述结果个体数组中所述个体的数据进行软件模块聚类，包括：

构建与所述最优个体数组中存储的所述个体对应的计数变量；

如果所述计数变量小于预设迭代阈值，则对所述最优个体数组中存储的所述个体进行变异处理，得到第一变异个体，获取所述第一变异个体的适应度数值，如果所述第一变异个体的适应度数值大于所述最优个体数组中存储的所述个体得适应度数值，则令所述第一变异个体替换所述最优个体数组中存储的所述个体，得到替换后的存储在所述最优个体数组中的个体，并将所述计数变量加一；

直到所述计数变量等于或大于所述预设迭代阈值时，将根据此时所述存储在所述最优个体数组中的个体进行软件模块聚类。