基于遺傳算法的粗糙集屬性約簡研究.pdf

1、粗糙集理論是繼概率論、模糊集理論、證據(jù)理論之后的又一個處理含糊性和不確定性的數(shù)學(xué)工具.屬性約簡算法是粗糙集理論的核心內(nèi)容.粗糙集屬性約簡的研究在知識獲取、機(jī)器學(xué)習(xí)、模式識別、決策分析、模型建立等實(shí)際應(yīng)用中有重要的意義;但是,由于屬性約簡被證明是一個NP-hard問題,因此,研究更為有效的屬性約簡算法,有效地獲取較優(yōu)的屬性約簡,降低算法的時間復(fù)雜度,尋求快速的約簡算法仍是粗糙集理論的主要研究課題之一.本文對基于遺傳算法的粗糙集屬性約簡算法

2、進(jìn)行了研究. 本文首先介紹了粗糙集理論的基本概念和遺傳算法的相關(guān)知識.對粗糙集理論中基于區(qū)分矩陣、屬性重要度、屬性依賴度的屬性約簡算法以及啟發(fā)式遺傳約簡算法進(jìn)行了系統(tǒng)綜述,并且對各種算法進(jìn)行了比較分析. 在對粗糙集理論和遺傳算法的研究基礎(chǔ)上,通過分析比較現(xiàn)有的遺傳約簡算法,吸收算法的優(yōu)點(diǎn),并且加以改進(jìn),提出了一種基于屬性依賴度的遺傳約簡算法的改進(jìn)算法.本算法的主要特點(diǎn)在于:一是在適應(yīng)度函數(shù)中引入了決策屬性對條件屬性的依賴

3、度,使算法在加強(qiáng)局部搜索能力的同時保持了該算法全局尋優(yōu)的特性,也保證了所求約簡既含較少的屬性又保證分類質(zhì)量,能夠獲得最佳的搜索效果.二是對傳統(tǒng)遺傳算法中隨機(jī)產(chǎn)生的二進(jìn)制初始種群加以改進(jìn),用屬性核加以限制,以增強(qiáng)遺傳算法的局部搜索能力,縮短算法的計(jì)算時間,并提高決策表屬性約簡結(jié)果的準(zhǔn)確性.三是在遺傳算法的遺傳算子的基礎(chǔ)上,新算法進(jìn)行了局部優(yōu)化策略,增加了修正校驗(yàn)算子,采用了基于屬性依賴度的重要度修正策略,使得算法在局部空間能夠得到一個較優(yōu)