MOLGC算法通过使用Davies-Bouldin (DB)指数和基于线对称距离的目标函数作为两个目标函数，来根据新的线对称距离将数据点分配到聚类中。此外，该算法使用基于多个随机化K维（Kd）树的最近邻搜索来降低寻找最近对称点的复杂性，从而在没有实际聚类数量的先验知识的情况下，演化出接近最优的聚类解决方案 。关键词包括：MOLGC算法，Davies-Bouldin (DB)指数，线对称距离，最近邻搜索，最优聚类解决方案。
MOLGC算法通过使用Davies-Bouldin (DB)指数和基于线对称距离的目标函数作为两个目标函数，来根据新的线对称距离将数据点分配到聚类中。此外，该算法使用基于多个随机化K维（Kd）树的最近邻搜索来降低寻找最近对称点的复杂性，从而在没有实际聚类数量的先验知识的情况下，演化出接近最优的聚类解决方案 。关键词包括：MOLGC算法，Davies-Bouldin (DB)指数，线对称距离，最近邻搜索，最优聚类解决方案。