基于粒子群的粗糙集屬性約簡(jiǎn)研究.pdf

1、粗糙集理論是一種處理含糊和不確定性信息的新型數(shù)學(xué)工具，該理論自提出以來(lái)得到迅速的發(fā)展和廣泛的應(yīng)用。知識(shí)約簡(jiǎn)是粗糙集理論重要的研究?jī)?nèi)容之一，它的主要目的在于去除數(shù)據(jù)中的冗余信息，同時(shí)，保持原決策信息系統(tǒng)的分類能力不變。 然而，如何獲得最小約簡(jiǎn)，則一直是人們所重點(diǎn)研究的問(wèn)題。由于尋找最小屬性約簡(jiǎn)問(wèn)題已經(jīng)被證明為NP問(wèn)題，所以引入帶隨機(jī)策略的約簡(jiǎn)算法改善目前的約簡(jiǎn)算法成為一種必然的趨勢(shì)。粒子群算法因其簡(jiǎn)單有效而被引入到粗糙集屬性約簡(jiǎn)中

2、，但它本身有兩個(gè)較大不足即收斂速度不佳和易陷入局部最優(yōu)。因此，本文針對(duì)其不足從擴(kuò)大搜索范圍和加快收斂速度這兩個(gè)方面進(jìn)行了相關(guān)的研究。 本文首先對(duì)粒子群算法本身進(jìn)行了分析，找出其搜索低效的源頭，在解決如何擴(kuò)大其搜索范圍問(wèn)題的同時(shí)，提出了改進(jìn)的量子粒子群約簡(jiǎn)算法。此算法主要是利用量子系統(tǒng)具有較大的搜索范圍，能夠使每個(gè)粒子在遠(yuǎn)離目前全局最優(yōu)的區(qū)域進(jìn)行搜索，從而達(dá)到避免算法過(guò)早收斂于局部最優(yōu)，找到最優(yōu)約簡(jiǎn)的目的。 在本文隨后的研