决策支持系统(DSS)：第四章 人工智能的决策支持和智能决策支持系统(3).ppt

* * 3、交叉 随机地从种群中选出要交叉的两个不同个体，随机地选取一个交叉段。交叉段中两个个体的对应部分通过匹配换位实现交叉操作。对个体A和B： A＝9 8 4 |5 6 7| 1 3 2 10 B＝8 7 1 |4 10 3| 2 9 6 5 交叉段?对个体A，对交叉段中由B换位来的数，如4、10、3，在A中其它位相同的数进行反交换，即4换为5，10换为6，3换为7；对个体B，相似处理，最后得到： A，＝9 8 5 |4 10 3| 1 7 2 6 B，＝8 3 1 |5 6 7| 2 9 10 4 * * 4、变异 根据变异概率Pe，随机地从种群中选出要变异的个体，随机地在该个体上选出变异两个位置，然后两个位置上的城市序号进行交换。如： A =9 8 4 5 6 7 1 3 2 10 下划线部分为要变异的两个位置。 变异为： A`=9 7 4 5 6 8 1 3 2 10 * * 5、遗传算法结果 计算结果表明： n个城市的最佳路径接近一个外圈无交叉的环路。 * * 4.4.3 获取知识的遗传算法 1980年，Smith采用遗传算法研制了一种分类器系统，这是遗传算法在机器学习中的重要应用系统。他使用单个字符串来表示一条规则。 分类器系统的规则形式如下： IF condition THEN action 意思是当条件（condition）满足时，就可能采取行动（action）。分类器系统的规则采用固定长度表示。这便于遗传算子的处理。 * * 一、分类学习系统的结构 检 测 器 消息表 遗传算法 分类器 信任分配算法 测试表 作用器 客观环境 * * 客观环境信息通过分类器系统的检测器（Detector）被编码成有限长的消息（Messages） 然后发往消息表；消息表中的消息触发位串规则（称为分类器），被触发的分类器又向消息表发消息，这些消息又有可能触发其它的分类器或引发一个行动。 通过执行机构（作用器 Effector）作用于客观环境。 * * 1. 检测器 （Detector） 一条消息Mi是一个二元组，其形式如下： Mi=[xi,yi] 其中：i为消息号；x为条件部分，即训练例子的各特征编码，?y为结论部分，即训练例子的类别。 例如：[,(1011)]是一条由一个8位条件和4位结论组成的消息。 2. 消息表（Message List） 包含当前所有的消息（训练例子集）。 * * 3. 分类器（Classifier） 所获得的规则中包含通配符#，如：1##0，1110是一致的。 规则集越小，系统的时间性能当然越好。 一个规则Ci是一个三元组，形式如下： Ci=[Ui,Vi,fitnessi] 其中，Ui是条件部分，，#表示通配符；Vi是结论部分； fitnessi是规则i的适应值，它又是一个二元组，其形式如下： fitnessi=[fit1,fit2] 分别表示在该规则覆盖的范围内，与规则结论一致和不一致的消息个数。 * * 4. 测试表（Test List） 一个测试例子Ti也是一个同消息形式一样的二元组，只是它的结论部分，yi表示未确定。 当执行完精练分类器规则后，其结论部分yi就被赋值成与消息Mi完全一样形式，即 ，变成一条新的消息。 5. 作用器（Effector） 将测试的判别结果转换成具体问题的真实的输出值，并作用于环境。 * * 二、分类学习系统的主要算法 1. 信任分配算法 将规则与消息表中的消息逐个匹配，根据匹配的成功与否，来修改规则的适应值，其主要步骤如下： （1）初始化规则的适应值，即：fit1?0，fit2?0。 （2）从消息表[M]中取出一条消息，与工作分类器[WC]中的规则逐个进行比较。 （3）I