同种或不同种的生物种群之间存在基因的交流,这种交流是指某一生物种群的遗传信息从该种群流向其他种群的过程。基因流可以揭示生物种群之间的亲缘关系,计算种群的传播速度、传播距离、定居过程以及预测种群未来的扩散趋势等。目前,在生物学领域对基因流的研究方法比较单一。Structure模型聚类是该领域中使用频率最高的一种研究方法,该方法是基于K-means算法的一种聚类算法。聚类开始前需要计算△K来预算所聚类的个数。然而在实际应用中,△K的值与所聚类的结果往往存在差异。在对聚类的结果分析时,并不能保证所聚类结果在生物学领域中的表达是否准确、合理。因此,本文提出基于交互度的层次聚类算法,并应用于基因流的研究,与Structure模型聚类算法相对比分析两种算法之间的优略。紫茎泽兰是极具危害性的恶性杂草,属于入侵生物。20世纪40年代由中缅边境传入中国云南南部。紫茎泽兰的入侵趋势和危害性日益严峻,严重影响和破坏当地的人畜健康和农林业、畜牧业的发展。仅云南省危害发生的总面积已达6.4万km2,给西南地区带来了巨大的经济损失。选择云南怒江河谷北段中紫茎泽兰的12个母本种群和子代种群个体的基因位点为数据样本。使用基于交互度的层次聚类算法和生物学领域中使用频率最高的Structure模型聚类算法分别对样本中子代种群、母本种群及子代与母本的混合种群进行了聚类。聚类结果显示,对母本种群和子代与母本的混合种群两种聚类算法的聚类结果保持一致,而对于子代种群,两种聚类算法的结果差异较大。为了验证在生物学领域中哪种结果更为合理,引入了生物学中遗传距离的概念作为度量标准。遗传距离是揭示生物种群间的的分化和变异程度的量。在对子代种群的遗传距离进行了聚类分析后发现,使用基于交互度的层次聚类算法聚类得到的结果与使用遗传距离分析得到的结果相一致。因此得到结论,使用基于交互度的层次聚类算法对种群的聚类结果在生物学领域中的解释更为合理、描述更为准确。