基于遺傳粒子群算法和粗糙集的屬性約簡算法研究.pdf

1、粗糙集理論是一種強有力的處理不精確、不完整、不確定性數(shù)據(jù)的數(shù)學工具。粗糙集屬性約簡是在保持信息系統(tǒng)分類質量能力基本不變的情況下，約去冗余的屬性。如何求得最小屬性約簡是粗糙集理論研究的一個重要課題，求解最小屬性約簡是一個NP-hard問題，因此，在提高算法效率的同時求得最小屬性約簡成為屬性約簡算法研究中的一種必然趨勢。本文對基于粗糙集理論、遺傳算法以及粒子群優(yōu)化算法的屬性約簡算法進行了研究。
　　本文首先介紹了粗糙集理論、遺傳算法和

2、粒子群優(yōu)化算法的相關內容。其次對基于可辨識矩陣、屬性重要度和屬性依賴度的屬性約簡算法進行了簡單的介紹，并對各種算法進行對比分析。再次介紹了遺傳約簡算法和粒子群約簡算法。遺傳約簡算法具有搜索范圍廣的優(yōu)點，但是其收斂速度慢且不易于找到全局最優(yōu)解。而粒子群算法的優(yōu)點是收斂速度快，缺陷是易于陷入局部最優(yōu)解，且算法不穩(wěn)定。最后本文考慮將遺傳算法、粒子群算法與粗糙集理論相結合進行屬性約簡，從而提出了一種基于遺傳粒子群算法和粗糙集理論的屬性約簡算法。

3、
　　本算法的主要特點為：一是在求解屬性核時采用了屬性依賴度作為啟發(fā)式策略，并且在種群初始化時用屬性核加以限制，從而增強了算法的局部搜索能力，提高了算法的時間復雜度和約簡結果的準確性。二是在粒子群約簡算法的基礎上增加了遺傳算法中的選擇、交叉、變異操作，以達到充分利用粒子群中有效信息的目的，從而在原有能得到良好搜索結果的基礎上提高算法的收斂速度、擴大搜索空間范圍，使這兩種算法發(fā)揮各自的優(yōu)勢彌補雙方的不足。三是在適應度函數(shù)設計時，不但