聚类是无监督机器学习算法的一个分支，它在信息时代具有广泛的应用。然而，在多样化的聚类算法研究中，常存在密度计算需要指定固定的近邻数、需要提前指定簇数目、需要多次迭代完成信息叠加更新等问题，这些问题会让模型丢失部分数据特征，也会加大计算量，从而使得模型的时间复杂度较高。为了解决这些问题，受萤火虫发光和光信息传递、交流的启发，提出了一种萤光信息导航聚类算法（firefly luminescent information navigation clustering algorithm，FLINCA）。该方法由腐草生萤和聚萤成树两大模块构成，首先将数据点视作萤火虫，并采用自适应近邻数的方式确定萤火虫亮度，通过亮度完成萤火虫初步聚类，然后再根据萤火虫树进行簇融合，完成最终聚类。实验证明，与12种不同的算法进行对比，FLINCA在4个聚类benchmark数据集和3个多维真实数据集上表现出较好的聚类效果。这说明基于萤火虫发光和光信息传递的FLINCA算法在聚类问题中具有广泛的应用价值，能够有效解决传统聚类算法中存在的问题，提高聚类结果的准确率。