蚁群算法在粗糙集属性约简中的应用.pdfVIP

V01．3l 第3l卷专辑 南昌大学学报(理科版) Suppl 0f Joumal Jul．2007 2007年7月 N8nch眦gUrLive璐ity(NatIlraIscience) 文章编号：1006一0464(2007)专辑一0008一03 蚁群算法在粗糙集属性约简中的应用 张扬，曲延滨 (哈尔滨工业大学(威海)信息科学与工程学院，山东威海2蚴) 摘要：蚁群算法是组合优化领域中出现的新型随机搜索方法．基于粗糙集属性约简和．IsP问题的相似性。提出了 用于粗糙集属性约简的蚁群算法，对知识表达系统进行约简。同时构建了目标函数，将多目标函数转化为单目标 优化问题。通过与相关文献结果的比较。验证了该算法的有效性。 关键词：粗糙集；属性约简：蚊群算法 中图分类号：TP274+．2 文献标识码：A 粗糙集理论是波兰数学家PawlakZ于1982年的元素个数。 提出的一种分析数据的数学理论，该理论在分类意 在粗糙集理论中，属性约简就是从条件属性C 义下定义了模糊性和不确定性的概念…，是一种处 中发现部分必要的条件属性C’，使得C’相对于D的 理不确定、不相容数据和不精确问题的新型数学工 分类能力和C相对于D的分类能力相同，而最小约 具，其主要思想就是在保持分类能力不变的前提下， 简就是从C中找出必要属性数最少的C’。 通过知识约简，导出问题的决策和分类规则。目前 根据最小约简的要求，约简子集的性能主要取 的约简算法，主要是从粗糙集的核出发，采用启发式 决于所含条件属性的个数珏和决策属性对其依赖度 搜索寻找所含条件属性最少的约简。然而此类算法 6。对于某一子集。，l越小、6越大，则其成为最小约 并非对所有的知识表达系统都适用，是不完善的算 简的可能性就越大。这是一个多目标优化的问题， 法，且计算量较大，如何完善该算法以获得最小约简 而多目标优化大多具有多个PARETO解。 仍然在不断摸索完善中。 为了将多目标函数转化为单目标优化问题，构 蚁群算法是组合优化领域中出现的新型随机搜 造目标函数如下： 索方法，其主要特征是具有较强的鲁棒性、适用于分 0巧=(Ⅳ一，1)／Ⅳ+6+孝 (2) 布式计算和采用正反馈机制，已经被证明可用于解 式中，Ⅳ为条件属性个数．n为某一约简子集的条件 决各种复杂的优化问题L2】。基于粗糙集属性约简 属性个数，6为(1)式所示的依赖度。为使修正获得 和鸭P问题的相似性，本文给出了用于粗糙集属性 满意效果，定义f为激励参数，当艿=l时，孝=0．5； 约简的蚁群算法。实验表明，多数情况下，该算法能 当6l时，亭=0。 够快速有效地找到最小约简。 2粗糙集属性约简的蚁群算法 l基本概念与定义 2．1算法的基本原理 定义1知识表达系统S=(U，A，y门。其中求解粗糙集属性约简问题，实际上就是在n个 ￡，是论域，A是属性集合，A=CuD且CnD=缪，C属性中寻找一个能够完全表达原来信息系统的最简 是条件属性，D是决策属性，y是属性值集合，是u 属性集，这类似于在TsP问题中的n个城市中，寻找 ×A-+y的映射。 最优路径。据此，定义C={c。，c，，…，cl，c川}为^ 定义2令知识表达系统．s=(u，A