基于非隨機初始種群遺傳算法的學習分類器系統(tǒng)

1、基于非隨機初始種群遺傳算法的學習分類器系統(tǒng)基于非隨機初始種群遺傳算法的學習分類器系統(tǒng)分類規(guī)則是數(shù)據挖掘領域中的重要研究內容，其主要思想是通過分析訓練集數(shù)據，產生關于類別的精確描述[12]。此類別描述通常由分類規(guī)則組成，可以對未來的做出進行分析與分類預測，有著廣泛的應用前景。分類規(guī)則的數(shù)據挖掘[3]，主要方法有：決策樹法、貝葉斯法、人工神經網絡法、遺傳算法和粗糙集方法等，在實際應用中，數(shù)據集的特征往往復雜多樣，需要根據實際情況采取不同的方

2、法進行處理。遺傳算法（GA）是一種尋找最優(yōu)解的計算方法[45]，通過模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程，得到問題的最優(yōu)結果。借用生物遺傳學的觀點，通過自然選擇、交叉、變異等操作，一代代不斷地繁殖進化，最后收斂到一批最適應環(huán)境的個體上，從而求得最優(yōu)分類規(guī)則[6]。本文通過分析基于遺傳算法的學習分類器系統(tǒng)的體系機構，以規(guī)則為基礎，給出一種基于非隨機初始種群遺傳算法的分類規(guī)則數(shù)據挖掘算法，通過訓練數(shù)據集來實現(xiàn)類別的精確描

3、述，采用數(shù)據挖掘中的基準數(shù)據鳶尾花卉數(shù)據集作為應用對象，實現(xiàn)學習分類器中的消息與分類器系統(tǒng)匹配、桶隊列算法信用分配以及基于遺傳算法的規(guī)則發(fā)現(xiàn)等關鍵技術，提高了分類規(guī)則挖掘的效率和準確性。1學習分類系統(tǒng)2基于遺傳算法的學習分類器系統(tǒng)2.1規(guī)則生成與系統(tǒng)更新當規(guī)則和消息系統(tǒng)和環(huán)境進行一段時間的交互作用后，經過信任分配，規(guī)則庫中的規(guī)則都有了能體現(xiàn)其性能的規(guī)則強度，此時使用遺傳算法來產生新的規(guī)則替代性能不好的規(guī)則，其中的主要過程如下。第一步：根

4、據規(guī)則強度的大小，按照概率值大小隨機選取兩條規(guī)則r1和r2，規(guī)則強度大的規(guī)則選中的可能性大，反之則小。第二步：將選中的兩條規(guī)則進行交叉和變異，產生兩條新規(guī)則，R1和R2，隨機保留其中的一條規(guī)則，設為R1，新規(guī)則的強度取為規(guī)則庫的平均規(guī)則強度。第三步：R1取代規(guī)則庫中性能最差（規(guī)則強度最?。┑囊?guī)則。第四步：回到第一步，直到規(guī)則庫中一定比例（G）的規(guī)則被替換。需要注意的是，由于分類器系統(tǒng)使用三個字符0、1、#，因此當某一個字符發(fā)生變異時，它