関数の最小化問題からクラスタリング問題にプログラムを書き換えたい

前提・実現したいこと

可変長のabcアルゴリズムで関数の最小化問題を解くプログラムをk-means法を用いたirisデータのクラスタリング問題を解くプログラムに書き換えたいです。
プログラムを書き換えていただけると一番ありがたいですが、同じアルゴリズムを用いて複数の種類の問題を解く方法などを教えていただけると幸いです。

発生している問題・エラーメッセージ

関数の最小化を解く元のプログラムは類似したものを真似たので作成できたのですが、クラスタリング問題に変える際に変数をどのように変えたら良いのかなどが見当がつかず困っています。

該当のソースコード

python
1import numpy as np
2import matplotlib.pyplot as plt
3from mpl_toolkits.mplot3d import Axes3D
4import math
5import functools
6import operator
7import time
8import copy
9import datetime
10from tqdm import tqdm_notebook as tqdm
11
12ES = 50    # 個体数
13OS = 50
14SS = 1
15CS = ES * 2 # コロニーサイズ
16Dmax = 50# 次元
17tc = np.zeros(CS) #カウント
18lim = ES*Dmax
19xmax = 600
20xmin = -600
21Cycle = 1000 # 周期
22x = np.zeros((ES,Dmax))
23J = np.zeros(Dmax)
24fitness = np.zeros(ES)     # 適応度
25P = np.zeros(ES)           # 選択確率
26for i in range(ES):
27    J[i] = round(np.random.rand()*(Dmax-2))+2
28    
29    for j in range(int(J[i])):
30        x[i,j] = (xmax-xmin)*np.random.rand()+xmin
31        
32x_best = x[0] #x_bestの初期化 #x[0,0]→x[0]
33best = 100
34
35# 適応度
36def Fitness(fun):
37    result = 0.0
38    if fun > 0.0 :
39        result = 1 / (fun + 1)
40    else :
41        result = 1 + abs(fun)
42    return result
43
44#目的関数
45def func(x,n):
46    t = np.cos((x - 100) / n**int(1 / 2)) 
47    t = functools.reduce(operator.mul, t)
48    f = np.sum((x - 100)**2) / 4000 - t + 1
49    p = 1 / (1 + f)
50    return p
51
52
53# アルゴリズム
54best_value = []
55for g in range(Cycle):
56
57    # employee bee step
58    for i in range(int(ES)):#個体数の分だけ更新
59        v = x.copy()
60        d = x.copy()
61        while True :
62            k = np.random.randint(0,ES)
63            if(k != i):
64                break
65        
66        for j in range(int(J[i])):
67            r = np.random.rand()*2-1 #-1から1までの一様乱数
68            v[i,j] = x[i,j] + r * (x[i,j] - x[k,j])
69            d[i,j] = v[i,j] - x[i,j]
70        
71        if v[i,j] < xmin :
72            v[i,j] = xmin
73        elif v[i,j] > xmax :
74            v[i,j] = xmax 
75        
76        if  J[i]<J[k]:
77            j = (int)(round(np.random.rand()*(J[i]-1))+1)#int型にキャスト
78        else:
79            q = (int)(round(np.random.rand()*(J[k]-1))+1)#int型にキャスト
80        
81        v[i,j] = x[i,j]+ r * (x[i,j] - x[k,q])
82        
83        #Objsol = func(v[:])→Objsol = func(v[i],i)
84        #引数が足りない。
85        Objsol = func(v[i],i)
86        fitnesssol = Fitness(Objsol)
87        
88        if fitnesssol > fitness[i] :
89            tc[i] = 0
90            for j in range(int(J[i])):
91                x[i,j] = v[i,j];
92            
93            fitness[i] = fitnesssol
94        else:
95            tc[i] += 1
96      
97    for i in range(int(ES)):
98        P[i] = fitness[i] / fitness.sum()
99
100    # onlooker bee step
101    for i in range(int(ES)):#個体数の分だけ更新
102        #w = []
103        d = x.copy()
104        l = np.random.randint(0,ES)
105        roulette = np.random.uniform(0,1)
106        m = 0.0
107        for n in range(int(ES)):
108            if m <= roulette and roulette <= m +P[n]:
109                i=n
110                break
111            m +=P[n]#P→P[n]
112        
113        for j in range(int(J[i])):
114            r = np.random.rand()*2-1 #-1から1までの一様乱数
115            v[i,j] = x[i,j] + r * (x[i,j] - x[k,j])
116            d[i,j] = v[i,j] - x[i,j]
117        
118        if v[i,j] < xmin :
119            v[i,j] = xmin
120        elif v[i,j] > xmax :
121            v[i,j] = xmax 
122        
123        if  J[i]<J[k]:
124            j = (int)(round(np.random.rand()*(J[i]-1))+1)#int型にキャスト
125        else:
126            q = (int)(round(np.random.rand()*(J[k]-1))+1)#int型にキャスト
127        
128        v[i,j] = x[i,j]+ r * (x[i,j] - x[k,q])
129        
130        #Objsol = func(v[:])→Objsol = func(v[i],i)
131        Objsol = func(v[i],i)
132        fitnesssol = Fitness(Objsol)
133        
134        if fitnesssol > fitness[i] :#Fitness[i]→fitness[i]
135            tc[i] = 0
136            for j in range(int(J[i])):
137                x[i,j] = v[i,j];
138            
139            fitness[i] = fitnesssol
140        else:
141            tc[i] += 1
142
143    # scout bee step
144    for i in range(int(SS)):
145        if tc.max() > lim:#
146            for j in range(Dmax):
147                x[tc.argmax(),j] = np.random.rand()*(xmax-xmin) + xmin
148            tc[tc.argmax()] = 0
149    
150    # 突然変異
151    for i in range(int(ES)):
152        Pm = np.zeros(ES)       # 突然変異確率
153        k1 = 0.5
154        k2 = 0.5
155        P0 = 0.4                # 閾値
156        if fitness[i] > fitness.mean():
157            Pm[i] = k1 * (fitness.argmax() - fitness[i]) / (fitness.argmax() - fitness.mean())
158        else :
159            Pm[i] = k2
160        if Pm[i] > P0 :
161            if x_best[j] < x[i,j]:#x_best→x_best[j]
162                j = j-1
163            elif x_best[j] > x[i,j]:#x_best→x_best[j]
164                j = j+1
165            else:
166                j = j
167            
168    # 最良個体の発見
169    for i in range(ES):
170        if best > func(x[i],i):
171            x_best = x[i]#x[i,j]→x[i]
172            n_best = i
173            best = func(x_best,n_best)
174            
175    best_value.append(best)#50行目から移動
176    
177print(x_best,func(x_best,n_best))
178plt.plot(range(Cycle),best_value)
179plt.yscale('log')
180plt.title("ABC")
181plt.show()
182