人工智能09节.pptVIP

* 安徽大学 计算机科学与技术学院 * 实验4 遗传算法实验 四、实验内容： ??????? 建造针对f(x)的遗传算法程序，然后进行运行求解。 ? 五、实验步骤(2人一组)： 1.?确定2人的分工； 2. 对f(x)进行编码； 3. 设计适应度函数； 4. 针对f(x)的设计并且实现遗传算法程序； 5. 设计初始种群； 6. 调试交叉和变异概率； 7. 分析运行过程，写实验报告。（每人） * * * * * * * * * * * * * 安徽大学 计算机科学与技术学院 人工智能Artificial Intelligence 第 九 讲 第四章 计算智能 4.1 概述 4.2 神经计算 4.3 模糊计算 4.4 粗糙集理论 4.5 遗传算法 4.6 进化策略 4.7 进化编程 4.8 人工生命 4.9 粒群优化 4.10 蚂群算法 4.11 自然计算 4.12 免疫算法 * 安徽大学 计算机科学与技术学院 * 4.4 粗糙集理论 粗糙集理论(Rough Set theory)是1982年由波兰数学家 Z.Pawlak提出的，当时没有引起国际计算机学界和数学界的重视，研究仅限于东欧的一些国家，直到20世纪80年代末才逐渐引起各国学者的注意。 1991年，Pawlak 发表了专著《Rough Set：Theoretical Aspects of Reasoning about Data》，奠定了粗糙集理论的基础。1992年，在波兰召开了第一届国际粗糙集研讨会，这次会议着重讨论了集合近似的基本思想及其应用，其中粗糙环境下的机器学习的基础研究是这次会议的四个专题之一。1993年在加拿大召开了第二届国际粗糙集与知识发现研讨会，这次会议积极推动了国际上对粗糙集应用的研究。由于这次会议正值知识发现成为热门研究话题，一些著名的知识发现学者参加了这次会议，并且介绍了许多应用扩展粗糙集理论的数据挖掘的方法与系统。1996年在日本东京召开了第五届国际粗糙集研讨会以及2001年在我国举行的研讨会推动了亚洲地区和我国对粗糙集理论与应用的研究。现在，美国、加拿大、波兰、日本都有粗糙集研究的专门机构。 * 安徽大学 计算机科学与技术学院 * 4.4 粗糙集理论 1.粗糙集理论的基本概念 Rough集的基础概念 有一个表示文献资料的对象集合U和U上的等价关系R，R是由对象的属性(这里是指标引词)集Ω派生的U集合的划分，R={X1, X2,…,Xn}。我们称U,R为近似空间(Approximation space)。对于P?R并且P≠φ，这是指P是由Ω的子集派生的，那么∩P(所有P中等价关系的交集)也是一种等价关系，在Rough集中，我们常称∩P为P上的不可分辨关系(Indiscernibility relation)，记作Ind(P)。 按照形状分类 4.4.1 粗糙集理论的基本概念和特点 * 安徽大学 计算机科学与技术学院 * 4.4 粗糙集理论 按照大小分类 按照颜色分类 * 安徽大学 计算机科学与技术学院 * 4.4 粗糙集理论 按照“形状”和“大小”分类 按照“颜色”和“大小”分类 * 安徽大学 计算机科学与技术学院 * 4.4.1 粗糙集理论的基本概念和特点 定义4.17对于每个集合X?U和一个等价关系R，A=(U,R)称为知识库，定义两个子集: X=∪{[x]|[x] ?X}={x?U|[x]?X}为X的下近似空间(Lower approximation) 。 X=∪{[x] |[x]∩X≠φ}={x?U|[x]∩X≠φ}为X的上近似空间(Upper approximation) 。 BN(X)= * 安徽大学 计算机科学与技术学院 * 4.4.1 粗糙集理论的基本概念和特点 甲 甲 甲 甲 甲 甲 甲 按照“形状”和“大小”分类 甲 甲 甲 甲 甲 甲 甲 * 安徽大学 计算机科学与技术学院 * 4.4.1 粗糙集理论的基本概念和特点 * 安徽大学 计算机科学与技术学院 * 4.4.1 粗糙集理论的基本概念和特点 定义4.18 X关于A的近似质量，定义为: 定义4.19 X关于A的粗糙性测度，定义为: 0≤ρA(X)≤1； ρA(X)=0时，X是可以确定的； ρ A(X)0时，X是可以粗糙的， ρ A(X)是粗糙程度。 * 安徽大学 计算机科学与技术学院 * 4.4.1 粗糙集理论的基本概念和特点 定义 X关于A的近似精度，定义为: * 安徽大学 计算机科学与技术学院 * 4.4.1 粗糙集理论的基本概