利用遺傳算法提取符號(hào)值分類(lèi)規(guī)則.pdf

1、遺傳算法是一種抽象于生物體的進(jìn)化過(guò)程，通過(guò)全面模擬自然選擇和遺傳機(jī)制，形成的全局優(yōu)化搜索算法。在進(jìn)化過(guò)程中，性能好的個(gè)體以更高的概率被選擇，主要通過(guò)交叉和變異操作，形成新一代性能更好的個(gè)體。進(jìn)化終止時(shí)的最優(yōu)個(gè)體通常被認(rèn)為是問(wèn)題的最終解。遺傳算法已經(jīng)被廣泛應(yīng)用于多種優(yōu)化問(wèn)題，機(jī)器學(xué)習(xí)，模式識(shí)別等領(lǐng)域。
　　 本文利用遺傳算法來(lái)解決符號(hào)學(xué)習(xí)問(wèn)題，即從符號(hào)值數(shù)據(jù)集中抽取歸納出if-then規(guī)則。本文采用的是傳統(tǒng)的Pittsburgh方

2、法，即一條染色體表示一個(gè)規(guī)則的集合，種群中的染色體互相競(jìng)爭(zhēng)，進(jìn)化終止時(shí)的最優(yōu)染色體即最優(yōu)規(guī)則集。該方法的代表性系統(tǒng)是GAssist系統(tǒng)，本文對(duì)該系統(tǒng)進(jìn)行了如下進(jìn)一步研究。
　　 為了提高規(guī)則集合的泛化能力和系統(tǒng)效率，本文提出了一種新的種群初始化方法，引入了適應(yīng)值尺度變換；在GAssist系統(tǒng)發(fā)展過(guò)程中，等級(jí)選擇算子被拋棄，本文對(duì)它進(jìn)行了改進(jìn)，重新引入到系統(tǒng)中；提出了一種新的GA迭代終止標(biāo)準(zhǔn)；對(duì)適應(yīng)度函數(shù)的不合理之處進(jìn)行了修正，最