基于改進(jìn)啟發(fā)式遺傳算法的屬性約簡(jiǎn)方法.pdf

1、粗糙集理論是在上世紀(jì)八十年代由波蘭數(shù)學(xué)家Pawlak提出的一種處理模糊和不確定問題的數(shù)學(xué)理論。它能夠分析出隱藏在數(shù)據(jù)中的事實(shí)，而且不需要提供任何關(guān)于數(shù)據(jù)的附加信息。粗糙集理論已經(jīng)在許多領(lǐng)域獲得了成功的應(yīng)用，例如知識(shí)發(fā)現(xiàn)、模式識(shí)別、決策分析、機(jī)器學(xué)習(xí)等領(lǐng)域。 信息系統(tǒng)的屬性約簡(jiǎn)是粗糙集理論的核心內(nèi)容之一。尋找信息系統(tǒng)的最優(yōu)約簡(jiǎn)或全部約簡(jiǎn)是NP-Hard問題，而基于屬性重要性的啟發(fā)式算法能夠相對(duì)快速地計(jì)算出信息系統(tǒng)的約簡(jiǎn)。

2、為了獲得決策系統(tǒng)中屬性的極小相對(duì)約簡(jiǎn)，本文將決策表中相對(duì)于每個(gè)條件屬性的集合和劃分的粗糙逼近精度作為衡量屬性重要程度的準(zhǔn)則，并以此作為啟發(fā)式信息引入遺傳算法，提出了一種在優(yōu)化初始種群的基礎(chǔ)上提高算法性能的啟發(fā)式遺傳算法。通過構(gòu)造一個(gè)修正算子并將其引入啟發(fā)式信息，以保證被選擇的屬性子集的分類能力不變。該算子利用啟發(fā)式信息的局部搜索技術(shù)，使得算法既保持了整體的優(yōu)化特性，又具有較快的收斂速度。最后的實(shí)例證明，該算法能有效地對(duì)決策系統(tǒng)進(jìn)行約簡(jiǎn)。