进化算法和 AP 聚类的组合，听起来是不是有点黑科技那味儿？这个叫进化吸引子传播 AP 聚类算法的东西，确实挺有意思的。它不是简单叠加两种技术，而是把遗传算法、粒子群优化这类优化手段和Affinity Propagation聚类算法揉在了一起，能有效避免 AP 卡在局部最优的问题，聚得更准，分得更稳。

初始化用的是一组随机种群，每个个体都是个潜在的聚类中心。计算相似度矩阵，再做责任和可用性消息传递，说白了就是“我适不适合当中心”和“我觉得你适不适合当中心”的互相喊话过程。挺像民主投票，但背后逻辑更复杂。

更新适应度后就是进化操作了，经典套路：选择、交叉、变异全上，挺适合你做一些自适应聚类实验。对非凸形状、簇数不明确的数据集表现还不错，就是大数据跑起来慢点，考虑下并行或近似优化吧。

源码在evolutionary-affinity-propagation-master里，结构比较清晰。看源码＋改参数跑一跑，基本能掌握核心逻辑。你也可以参考下面几个相关链接：

如果你平时研究进化算法或搞聚类，这个资源还蛮值得一试的。可以直接上手跑一跑，看下效果，顺手还能自己魔改一版。