遺傳算法在基于事例推理中的應(yīng)用研究.pdf

1、基于事例推理(Case-Based Reasoning，CBR)作為基于知識(shí)的專(zhuān)家系統(tǒng)(Expert System)的一個(gè)分支，它是目前人工智能(Anificial Intelligence)研究中一種正在迅速發(fā)展的推理方法。 遺傳算法是用計(jì)算機(jī)來(lái)模擬生物進(jìn)化思想的一種優(yōu)化算法。美國(guó) Michigan 大學(xué)的Holland 教授于 1975 年首次提出遺傳算法。遺傳算法是在固定的種群規(guī)模下，利用個(gè)體適應(yīng)度來(lái)引導(dǎo)搜索，通過(guò)按一定

2、概率進(jìn)行的選擇、雜交和變異等遺傳操作來(lái)完成群體的更新，因而它實(shí)際上是一種“盲目的概率啟發(fā)搜索策略”。由于它簡(jiǎn)單，魯棒性強(qiáng)，易于并行化，已經(jīng)在各個(gè)領(lǐng)域得到了廣泛的應(yīng)用。 本文首先介紹了 CBR 和遺傳算法的基本概念和原理，然后結(jié)合本文的應(yīng)用背景，具體的闡述了 CBR 系統(tǒng)的核心環(huán)節(jié)：事例表示和存儲(chǔ)、事例檢索和匹配、事例的修改和學(xué)習(xí)、事例庫(kù)維護(hù)。 將遺傳算法應(yīng)用到 CBR 系統(tǒng)，使用改進(jìn)的遺傳算法，對(duì)事例庫(kù)中的特征權(quán)重向

3、量進(jìn)行優(yōu)化；對(duì)于給定的目標(biāo)事例，如何從事例庫(kù)中檢索和選擇出最為相似的事例決定了基于事例推理系統(tǒng)的學(xué)習(xí)與推理性能。事例間的相似性度量是檢索的關(guān)鍵，其中事例的特征項(xiàng)權(quán)重對(duì)檢索的質(zhì)量與速度都起到了重要的作用，因?yàn)楸举|(zhì)的相似比表象的相似更重要，即通過(guò)對(duì)特征項(xiàng)賦權(quán)重來(lái)體現(xiàn)事例的不同的特征具有不同的重要性。在事例的表示中采用了面向?qū)ο蟮姆椒?，有效的解決了知識(shí)表達(dá)的問(wèn)題；在事例檢索中，采用了最近相鄰方法。最后，通過(guò)系統(tǒng)運(yùn)行測(cè)試驗(yàn)證了上述方法的有效性和