基于遺傳蟻群算法的屬性約簡研究.pdf

1、粗糙集是一個處理不確定性和含糊問題的數(shù)學工具，由于它不需要先驗知識或附加信息，因此在數(shù)據(jù)挖掘和知識約簡等方面都有很好的應(yīng)用前景。
　　 作為粗糙集理論的核心內(nèi)容，屬性約簡是需要在保證分類和決策能力不變的前提下將數(shù)據(jù)庫中的冗余屬性約簡，簡化知識的表示，從而提高系統(tǒng)的處理效率，方便用戶的決策，對它的研究在知識獲取、機器學習、模式識別、模型建立等實際運用中都有很重要的意義。當前研究更加有效的屬性約簡算法，降低算法時間復雜度和獲取較優(yōu)的

2、屬性約簡結(jié)果仍然是粗糙集理論的主要研究課題。
　　 本文研究了粗糙集理論中基于區(qū)分矩陣、屬性重要性、屬性依賴度的屬性約簡算法以及啟發(fā)式遺傳約簡算法和蟻群約簡算法，重點分析和比較了現(xiàn)有的基于遺傳和蟻群的屬性約簡算法，根據(jù)算法的優(yōu)點和缺點，提出了兩種新的約簡算法：一是基于遺傳蟻群算法的屬性約簡算法，該算法的主要優(yōu)點在于將決策屬性對條件屬性的依賴度引入到適應(yīng)度函數(shù)中，通過遺傳算法優(yōu)化蟻群算法，不但加快了蟻群初始時刻的尋優(yōu)速度，保留了蟻

3、群算法收斂快的優(yōu)點，并且通過遺傳算法隱形并行的特點，使整體算法不易陷入局部最優(yōu)。二是基于自適應(yīng)蟻群算法的屬性約簡算法，該算法吸收了蟻群算法收斂速度快的優(yōu)點，同時通過將蟻群分組并行運行、引入信息素交流機制和設(shè)置交流概率的方法使算法能夠有效地跳出局部最優(yōu)，以達到算法速度與求解質(zhì)量的統(tǒng)一。
　　 最后實驗數(shù)據(jù)和對比分析，驗證了基于遺傳蟻群算法和自適應(yīng)蟻群算法的屬性約簡算法是求解屬性約簡時都是行之有效的，但卻擁有各自不同的使用空間。