聚类在数据挖掘、统计学、机器学习等很多领域都有广泛应用。聚类问题实质是一个全局优化问题。遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。人工鱼群算法(AFSA)是一种新提出的新型仿生优化算法。它采用自下而上的设计方法,对寻优空间的形式和性质没有特殊要求。算法具有良好自适应能力,克服局部极值、取得全局最优值的能力和较快的收敛速度,可用于许多优化模型的求解。人工鱼群算法为求解优化问题提供一种新思路,新方法。本文在深入研究人工鱼群算法和遗传算法的基础上,将遗传算法中的选择、变异交叉融合到人工鱼群算法,提出一种人工鱼群算法与遗传算法融合算法,并应用于求解聚类问题。本文的主要研究内容和研究成果如下：1.在深入研究人工鱼群算法和聚类问题的基础上,提出了求解分类数目已知的聚类问题的人工鱼群算法。首先构造人工鱼个体模型,确定人工鱼个体和聚类问题的联系,确定算法的目标函数,然后编程求得最优解。2.在深入研究求解聚类问题的人工鱼群算法的基础上,为了克服算法初期收敛速度快,后期收敛速度慢的缺陷,本文提出了一种改进人工鱼群算法。在最优值连续无变化或变化不明显时采用变异或交叉操作,消除人工鱼漫无目的随机游动或大量聚集在非全局极值点附近的局限,提高算法的求解速度和求解精度,改善求解质量。