基于智能優(yōu)化算法的粗糙集屬性約簡(jiǎn)方法研究.pdf

1、粗糙集作為一種處理不精確、不完整、不確定性數(shù)據(jù)的數(shù)學(xué)工具，其突出優(yōu)點(diǎn)是能夠保持分類和決策不變的前提下刪除冗余屬性，憑借其自身優(yōu)勢(shì)已成功應(yīng)用于數(shù)據(jù)挖掘、模式識(shí)別、機(jī)器學(xué)習(xí)等諸多領(lǐng)域。
　　屬性約簡(jiǎn)是粗糙集中知識(shí)發(fā)現(xiàn)的核心內(nèi)容之一，但由于屬性的組合爆炸等原因，求解最小約簡(jiǎn)被證明是一個(gè)NP-hard問(wèn)題，到目前為止不存在一個(gè)公認(rèn)的、高效的約簡(jiǎn)算法，引入帶隨機(jī)策略的約簡(jiǎn)算法，成為改善現(xiàn)有約簡(jiǎn)算法的一種必然趨勢(shì)。生命科學(xué)與工程科學(xué)的相互交叉

2、、相互滲透和相互促進(jìn)是近代科學(xué)技術(shù)發(fā)展的一個(gè)顯著特點(diǎn)。智能優(yōu)化算法是通過(guò)模擬或揭示某些自然現(xiàn)象或過(guò)程發(fā)展而來(lái)的，智能優(yōu)化算法具有全局的、并行高效的優(yōu)化性能，魯棒性、通用性強(qiáng)，無(wú)需問(wèn)題特殊信息等優(yōu)點(diǎn)，為解決復(fù)雜問(wèn)題提供了新的思路和手段。論文以粗糙集和智能優(yōu)化算法為基礎(chǔ)，以屬性約簡(jiǎn)為對(duì)象，對(duì)基于智能優(yōu)化算法的屬性約簡(jiǎn)方法進(jìn)行了研究。本文完成了以下工作：
　　1．主要研究了粗糙集中基于屬性重要度、屬性依賴度、區(qū)分矩陣的屬性約簡(jiǎn)算法，以及

3、粗糙集與智能優(yōu)化算法相結(jié)合的屬性約簡(jiǎn)算法，分析并比較了這些常見(jiàn)屬性約簡(jiǎn)算法的優(yōu)缺點(diǎn)。
　　2．針對(duì)標(biāo)準(zhǔn)遺傳屬性約簡(jiǎn)算法易出現(xiàn)早熟、后期收斂速度過(guò)慢等問(wèn)題，提出了改進(jìn)的自適應(yīng)遺傳屬性約簡(jiǎn)算法(IAGA)，首先，該算法將屬性核加入到算法的初始化種群中，避免了隨機(jī)產(chǎn)生初始化種群的盲目性。其次，以重新設(shè)定的自適應(yīng)交叉和變異概率為基礎(chǔ)，根據(jù)適應(yīng)度函數(shù)動(dòng)態(tài)調(diào)整交叉和變異概率，優(yōu)化了個(gè)體被選擇的能力，增加了群體的多樣性，避免了早熟現(xiàn)象的發(fā)生。<

4、br>　　3．遺傳約簡(jiǎn)算法和粒子群約簡(jiǎn)算法都具有一定的全局搜索能力和隱含并行性，但遺傳約簡(jiǎn)算法不具有記憶功能，較優(yōu)解可能會(huì)隨著種群的變化而逐漸被破壞，粒子群約簡(jiǎn)算法可以對(duì)種群中的粒子保持記憶的功能，能夠?qū)⑤^優(yōu)解保存下來(lái)，但粒子群約簡(jiǎn)算法易于陷入局部最優(yōu)解且有時(shí)難以對(duì)收斂速度進(jìn)行控制。為了最大限度的克服存在的問(wèn)題，提出了基于遺傳算法和粒子群算法的屬性約簡(jiǎn)算法(IAGA-PSO)。該算法以條件屬性對(duì)決策屬性的支持度為基礎(chǔ)，把屬性核加入到初始