基于粒子群算法的粗糙集屬性約簡方法研究.pdf

1、粒子群算法(簡稱PSO)，或稱粒子群優(yōu)化方法，由Kennedy與Eberhart兩位學者提出，是一種群智能技術，具有簡單、有效、收斂速度較快、全局搜索能力較強等特點。
　　粗糙集理論建立在對象的不可分辨關系基礎上，能夠對包含了各種不同大小噪聲影響的數據進行有效地處理和劃分。其中的屬性約簡理論是在保持決策表中條件屬性集與決策屬性原有的依賴關系不變的基礎上刪除冗余信息的過程，有利于從紛繁復雜的信息集合中找到只包含有用信息的數據。屬性約

2、簡在信息數據日益暴漲的當今社會體現出越來越重要的實用價值，在現實生活中的各個方面都得到了成功應用，產生了深遠影響。
　　本文研究探討了粒子群算法和粗糙集屬性約簡方法的相關理論，在求解決策信息表最小屬性約簡的一般思想方法中融入了一種改進的高效二進制粒子群算法來進行數據的約簡處理。新改進的粒子群算法相比原來粒子群算法方法上較以往約簡方法在執(zhí)行效率和性能方面均得到了明顯改善，具有一定的實用價值。
　　本文主要研究工作包括以下方面:

3、
　　1)針對粒子群算法和粗糙集屬性約簡方法的理論，通過分析比較現有信息系統(tǒng)中屬性值的處理方法及其優(yōu)缺點，對現有的幾種屬性約簡方法及其不足進行了比較和分析。
　　2)在基本粒子群算法的理論基礎上深入理解和研究了內嵌區(qū)域震蕩搜索的粒子群優(yōu)化算法RSPSO，并對算法中吸引子的求解過程做出了合理的改進優(yōu)化，改進了原算法的吸引子公式，改進的粒子群算法WMRSPSO相比基本粒子群算法和原算法具有更好的收斂能力和尋優(yōu)能力。
　　3