粗糙集屬性協(xié)同演化約簡(jiǎn)關(guān)鍵問(wèn)題研究.pdf

1、粗糙集理論具有能有效定量分析并處理不精確、不一致、不完整信息與知識(shí)等特征,已被廣泛應(yīng)用于數(shù)據(jù)挖掘、模式識(shí)別和機(jī)器學(xué)習(xí)等領(lǐng)域。屬性約簡(jiǎn)是粗糙集理論研究的重要內(nèi)容,其是指在保持決策表中數(shù)據(jù)分類(lèi)能力不變的條件下,刪除不相關(guān)和冗余屬性,選擇最小屬性集,使決策表中知識(shí)表示可簡(jiǎn)化而又不丟失決策表中重要信息。Wong等人已證明找出決策表的最小屬性約簡(jiǎn)是一個(gè)典型NP-Hard問(wèn)題,許多學(xué)者對(duì)此開(kāi)展了相關(guān)研究,并取得了一定的研究成果,然而至今仍未找到一種

2、通用且高效的解決方法為其求解提供有效途徑。
　　近年來(lái),協(xié)同演化算法通過(guò)揭示和模擬自然界生態(tài)系統(tǒng)中多種群協(xié)同進(jìn)化現(xiàn)象和過(guò)程而成為計(jì)算智能領(lǐng)域研究熱點(diǎn),它能有效解決許多傳統(tǒng)演化算法難以解決的復(fù)雜問(wèn)題,尤其是在NP-Hard問(wèn)題上凸顯其較強(qiáng)優(yōu)勢(shì)。本文將協(xié)同演化算法引入到粗糙集最小屬性約簡(jiǎn)優(yōu)化中,對(duì)屬性協(xié)同演化約簡(jiǎn)中算法收斂性、協(xié)同機(jī)制、模型優(yōu)化、演化自適應(yīng)性、大規(guī)模屬性約簡(jiǎn)及其代表性個(gè)體選擇等關(guān)鍵問(wèn)題進(jìn)行了深入系統(tǒng)地研究,致力于完善粗

3、糙集屬性演化約簡(jiǎn)理論方面的工作,構(gòu)建協(xié)同演化框架下屬性約簡(jiǎn)模型和系列算法,并且在屬性約簡(jiǎn)與特征分類(lèi)、核磁共振成像MRI約簡(jiǎn)與分割等實(shí)際應(yīng)用問(wèn)題中展示本文所提相關(guān)算法的有效性。具體而言,本文的主要貢獻(xiàn)在于:
　　1.針對(duì)傳統(tǒng)屬性演化約簡(jiǎn)易早熟收斂和進(jìn)化種群鄰域選擇問(wèn)題,將小生境進(jìn)化技術(shù)引入到粗糙集屬性演化約簡(jiǎn)中,提出了基于小生境圓錐鄰域粒子群的屬性協(xié)同演化約簡(jiǎn)算法。該算法將具有社會(huì)認(rèn)知行為的粒子種群映射至屬性近似空間,進(jìn)化粒子在屬性

4、約簡(jiǎn)尋優(yōu)過(guò)程中通過(guò)圓錐分層空間自主動(dòng)態(tài)構(gòu)造小生境鄰域半徑,并利用自適應(yīng)強(qiáng)化約束罰函數(shù)提高粒子種群目標(biāo)適應(yīng)度的收斂能力。實(shí)驗(yàn)結(jié)果表明該算法能充分發(fā)揮進(jìn)化種群在各自小生境鄰域內(nèi)屬性協(xié)同演化約簡(jiǎn)作用,較好地避免了屬性演化約簡(jiǎn)早熟收斂,對(duì)屬性約簡(jiǎn)性能具有明顯的提高。
　　2.為提高進(jìn)化種群在粗糙集屬性演化約簡(jiǎn)中的協(xié)同優(yōu)化能力,將協(xié)同演化機(jī)制進(jìn)行拓展,構(gòu)造了基于自適應(yīng)進(jìn)化樹(shù)的屬性混合協(xié)同演化約簡(jiǎn)算法。該算法建立了一種基于自適應(yīng)多層進(jìn)化樹(shù)的動(dòng)

5、態(tài)種群協(xié)同模型,采用競(jìng)爭(zhēng)和合作混合的協(xié)同演化機(jī)制實(shí)現(xiàn)各屬性子集向量約簡(jiǎn)尋優(yōu)經(jīng)驗(yàn)的協(xié)同共享,較好地達(dá)到屬性演化約簡(jiǎn)中廣度尋優(yōu)和深度探索的有效平衡。實(shí)驗(yàn)結(jié)果表明該基于自適應(yīng)進(jìn)化樹(shù)模型的競(jìng)爭(zhēng)和合作混合協(xié)同機(jī)制在屬性演化約簡(jiǎn)中的有效性。
　　3.將量子協(xié)同演化引入到粗糙集屬性約簡(jiǎn)模型優(yōu)化中,提出了基于量子蛙群進(jìn)化的屬性協(xié)同演化高效約簡(jiǎn)算法。該算法用量子態(tài)比特進(jìn)行動(dòng)態(tài)多簇結(jié)構(gòu)蛙群個(gè)體編碼,提高參與屬性演化約簡(jiǎn)進(jìn)化個(gè)體的多樣性;以量子旋轉(zhuǎn)門(mén)動(dòng)

6、態(tài)自適應(yīng)調(diào)整機(jī)制驅(qū)動(dòng)屬性演化約簡(jiǎn)的搜索過(guò)程,在全局搜索和局部求精之間保持屬性協(xié)同約簡(jiǎn)均衡;以量子變異和量子糾纏策略避免屬性演化約簡(jiǎn)陷入局部極值,快速向全局最優(yōu)收斂。該算法并重構(gòu)了屬性量子協(xié)同演化約簡(jiǎn)目標(biāo)適應(yīng)度函數(shù),取得了較為滿(mǎn)意的最小屬性約簡(jiǎn)集。在此基礎(chǔ)上,又提出了一種基于動(dòng)態(tài)交叉協(xié)同的量子蛙群屬性協(xié)同演化約簡(jiǎn)與分類(lèi)學(xué)習(xí)級(jí)聯(lián)算法,進(jìn)一步提高其在屬性約簡(jiǎn)與決策規(guī)則分類(lèi)學(xué)習(xí)中的應(yīng)用性能。實(shí)驗(yàn)結(jié)果表明該屬性量子協(xié)同演化約簡(jiǎn)算法具有極強(qiáng)的全局最

7、小屬性約簡(jiǎn)搜索性能,其屬性約簡(jiǎn)效率和精度較一般算法具有明顯提升。
　　4.為進(jìn)一步增強(qiáng)新型框架下屬性量子協(xié)同演化約簡(jiǎn)的自適應(yīng)性,基于云模型在非規(guī)范知識(shí)定性、定量表示及其相互轉(zhuǎn)換過(guò)程中優(yōu)良特征,提出了基于量子云模型的屬性協(xié)同演化自適應(yīng)約簡(jiǎn)算法。該算法利用量子種群基因云對(duì)參與屬性約簡(jiǎn)的量子蛙群進(jìn)行定性控制;基于約簡(jiǎn)屬性熵權(quán)逆向云進(jìn)行量子云旋轉(zhuǎn)門(mén)的自適應(yīng)調(diào)整,使其在定性知識(shí)指導(dǎo)下能自適應(yīng)控制屬性約簡(jiǎn)空間的搜索范圍;采用量子云變異和云糾纏

8、操作算子使量子蛙群自適應(yīng)搜索到全局最優(yōu)屬性約簡(jiǎn)集。該算法利用云模型使屬性量子協(xié)同演化約簡(jiǎn)具有更優(yōu)的自適應(yīng)性,能較好地處理模糊的和不完整的屬性約簡(jiǎn)問(wèn)題。
　　5.為擴(kuò)大粗糙集屬性協(xié)同演化約簡(jiǎn)在大規(guī)模實(shí)際優(yōu)化問(wèn)題中的應(yīng)用及解決其代表性精英個(gè)體選擇問(wèn)題,基于群體協(xié)作模式框架下精英角色思想,提出了基于量子種群精英的大規(guī)模屬性協(xié)同演化集成約簡(jiǎn)算法。該算法首先設(shè)計(jì)一種量子蛙群多層精英池結(jié)構(gòu),利用量子精英蛙快速引導(dǎo)整個(gè)蛙群進(jìn)入最優(yōu)化區(qū)域?qū)?yōu);然