在互联网上每天都有大量的数据产生，对于这些拥有不同特性的数据，该如何建立一种算法来解决聚类问题呢？依据这个问题我们提出的基于群进化策略模型的模糊聚类算法，该算法可以在聚类过程中动态确定类的数目。针对原始的聚类算法容易陷入局部最优值、收敛速度比较慢的特点，提出将群进化策略作为原始模型，与聚类算法结合起来形成的算法，称之为基于群进化策略模型的模糊聚类算法。该算法可以自适应地修正类的数目;同时，在聚类算法中加入群进化策略可以有效地解决陷入局部最优值、收敛速度比较慢的特点;此外，群进化策略中通过继承阶段和重新分配阶段产生一个新的隶属度矩阵。对提出的算法进行了分析，不仅从理论上证明了算法的收敛性，而且也从实验中验证了算法的有效性，并与传统的聚类算法比较，进一步证明了该算法的有效性和高效性。　　在现实生活中，个人或者企业发展的好坏都离不开合作与竞争。从合作与竞争关系机制作为出发点，提出了基于群结盟合作模型的模糊聚类算法。该算法在保证所有对象以较高的精度收敛于各个聚类中心的同时，也可以有效解决同类算法普遍存在的问题。这些问题包括算法收敛速度达不到一个很稳定状态、且对开始时候的分布情况很敏感以及不能很好的适用于各类聚类问题。对提出的基于群结盟合作模型的模糊聚类算法进行了分析，不仅从理论上证明了算法的收敛性，而且也从实验中验证了算法的有效性，并通过与传统的聚类算法进行比较，可以进一步去验证算法的高效性和有效性。