基于自适应遗传算法的粗糙集知识约简算法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (15): 1-3.

基于自适应遗传算法的粗糙集知识约简算法

潘伟^1,2,王云峰²,伞冶¹

1.哈尔滨工业大学控制与仿真中心，哈尔滨 150001
2.沈阳炮兵学院电子侦察系，沈阳 110162

收稿日期:2007-12-19 修回日期:2008-01-25 出版日期:2008-05-21 发布日期:2008-05-21
通讯作者: 潘伟

Knowledge reduction algorithm for rough sets base on adaptive genetic algorithm

PAN Wei^1,2,WANG Yun-feng²,SAN Ye¹

1.Control & Simulation Center，Harbin Institute of Technology，Harbin 150001，China
2.Department of Electric Detection，Shenyang Artillery College，Shenyang 110162，China

Received:2007-12-19 Revised:2008-01-25 Online:2008-05-21 Published:2008-05-21
Contact: PAN Wei

摘要/Abstract

摘要： 为了获得有效的属性最小相对约简，提出了一种基于自适应遗传算法的粗糙集知识约简算法。该算法将核引入遗传算法的初始群体来提高算法的性能，依照决策属性对条件属性的依赖度，在加强局部搜索能力的同时保持了该算法全局寻优的特性，并且对交叉概率和变异概率进行了新的设计。设计中既考虑到进化代数对算法的影响，又考虑到每代中不同个体适应度对算法的作用。最后通过两个经典算例进行了验证，无论在约简的准确性上，还是平均运行代数上都取得了较好的结果。

关键词: 粗糙集, 知识约简, 自适应遗传算法, 交叉概率, 变异概率

Abstract: In order to get the reduction of attribute，the paper proposes a rough set attribute reduction algorithm based on AGA.The core is joined initial population in AGA in order to accelerate capability.According to the dependability of decision attribute to the condition attribute，it can but only obtain the capability of part searching，but also retain the peculiarity of all searching.The adaptive crossover probability and adaptive mutation probability are designed，considering the influence of every generation to algorithm and the effect of different individual fitness in every generation.Experimental results show that the accurate reduction and the average algebraic sum all obtain the preferable values.

Key words: rough sets, knowledge reduction, Adaptive Genetic Algorithm（AGA）, crossover probability, mutation probability

潘伟^1,2,王云峰²,伞冶¹. 基于自适应遗传算法的粗糙集知识约简算法[J]. 计算机工程与应用, 2008, 44(15): 1-3.

PAN Wei^1,2,WANG Yun-feng²,SAN Ye¹.

Knowledge reduction algorithm for rough sets base on adaptive genetic algorithm

[J]. Computer Engineering and Applications, 2008, 44(15): 1-3.

[1]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[2]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[3]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[4]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[5]	刘玉锋，孙文鑫. 一般多粒度量化软粗糙集模型[J]. 计算机工程与应用, 2021, 57(12): 137-143.
[6]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[7]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.
[8]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[9]	沈鑫，邹德旋，张强. 采用双变异策略的自适应差分进化算法及应用[J]. 计算机工程与应用, 2020, 56(4): 146-157.
[10]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[11]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[12]	徐力，刘云华，王启富. 自适应遗传算法在机器人路径规划的应用[J]. 计算机工程与应用, 2020, 56(18): 36-41.
[13]	骆公志，梅焘. 监督机制多粒度决策粗糙集模型及应用[J]. 计算机工程与应用, 2020, 56(18): 214-220.
[14]	谢旭明，段隆振，邱桃荣，杨幼凤. 改进量子搜索算法及其在核属性求解上的应用[J]. 计算机工程与应用, 2020, 56(14): 57-61.
[15]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.