导读:本文包含了遗传算法约简论文开题报告文献综述及选题提纲参考文献，主要关键词:遗传算法,粗糙集属性,约简算法,有效性
遗传算法约简论文文献综述
郑文彬,胡敏杰,何秋红[1]（2019）在《遗传算法下的粗糙集属性约简算法及其有效性分析》一文中研究指出将核引入遗传算法初始群体,根据决策属性对条件属性的依赖度来加强局部搜索能力,并保证全局寻优,得到最佳搜索效果。(本文来源于《长春工业大学学报》期刊2019年01期）
郑忠仁[2]（2018）在《基于遗传算法的气象观测数据属性约简研究》一文中研究指出随着信息化进程的不断推进,气象观测数据的采集量和采集的气象要素都在不断增加。由于气象观测数据采集过程中没有明确的目的性,而气象现象的变化往往只与采集的部分气象要素有关,因此采集的气象数据中属性冗余度大。冗余属性不仅降低了气象观测数据的挖掘效率,也降低了数据的挖掘精度。因此,对采集的气象观测数据进行属性约简具有非常重要的意义。本文针对气象观测数据的特点,研究基于遗传算法的气象观测数据属性约简算法:(1)本文首先介绍了粗糙集理论的基本知识,概述了粗糙集理论中的知识分类、信息系统以及属性约简等相关知识。分析了属性约简结合其他优化算法的必要性,同时对遗传算法的相关知识进行阐述,为进一步研究气象观测数据属性约简提供准备。(2)针对气象观测数据冗余属性多以及数据相关性较强的特点,提出一种区间值信息系统。并结合自适应遗传算法,提出一种基于遗传算法的区间值属性约简算法(Attribute Reduction Algorithm of Interval-valued Information System based on Genetic Algorithm,ARIGA)。气象观测数据作为一种典型的时间序列数据,一定时间范围内数据相关性较强,如果将气象观测数据离散为单值数据,容易造成造成数据间相关性减弱,导致部分知识的遗漏。算法通过引入区间值相似度,避免了数据离散化造成的知识遗漏,同时满足对单值数据和区间值数据进行等价类的划分。通过实验验证了 ARIGA对气象观测数据属性约简的性能。(3)针对遗传算法早熟收敛和收敛速度慢等问题,提出一种基于精英策略的协同进化自适应属性约简算法(Co-evolutionary Adaptive Attribute Reduction Algorithm based on Elite Strategy,CAARES)。从进化种群中选择适应度值最大的前M个相异个体组成精英池,个体交叉进行操作时,从精英池中随机选择一个精英个体完成交叉操作,借助精英个体引导种群快速进化,提高收敛速度。通过改进遗传算子和引入随机种群,改善种群多样性。实验表明,CAARES算法有效维持了进化过程中种群的多样性,保证了收敛效率。(本文来源于《南京信息工程大学》期刊2018-06-01）
黄国庆,肖爽[3]（2018）在《单亲遗传算法在粗糙集属性约简中的应用》一文中研究指出针对现有的遗传算法采用交叉的方式进行遗传在解决属性约简时会较容易陷入局部最优解的缺点,提出了使用改进单亲遗传算法来进行属性约简。算法思路是求出决策表的核,然后通过变异、选择等操作求得最优解。该算法可避免使用遗传算法进行属性约简时会有可能陷入局部最优解的情况,同时运算效率下降较小。最后给出了实例证明,经过结果比较表明该方法合理可行。(本文来源于《信息技术》期刊2018年05期）
郑忠仁,程勇,王军,钟水明,徐利亚[4]（2017）在《基于遗传算法的气象观测数据区间值属性约简算法》一文中研究指出针对气象观测数据采集目的性弱、数据冗余度较高以及观测数据区间化中单值较多、等价类划分精度低的问题,提出一种基于遗传算法的气象观测数据区间值属性约简算法(MOIvGA)。首先,通过改进区间值相似度,使其能够同时适用于单值等价关系判断和区间值相似度分析;其次,通过改进自适应遗传算法,提高其收敛性;最后,通过仿真实验证明,相对于运行自适应遗传属性约简(AGAv)算法求解最优值,所提算法迭代代数减少了22代;在区间长度为1 h降水分类中,基于依赖度的区间值决策表λ-约简(MOIvGA)平均分类准确率比RIvD算法提高了6.3%,对无雨的预测准确率提高了7.13%;同时约简后的属性子集显着提高了分类准确率。由此可见,MOIvGA在区间值气象观测数据分析中能够提高收敛速度以及分类准确率。(本文来源于《计算机应用》期刊2017年09期）
李金海,梅长林,张红英,张晓[5]（2015）在《基于遗传算法的决策形式背景的属性约简方法及其在决策分析中的应用》一文中研究指出决策形式背景的最小约简可以使规则提取更加简便,也可以使所获取的规则更加紧凑,从而有利于数据的决策分析.对于如何快速求得决策形式背景的一个最小约简,已有一些启发式方法在这方面做了有益的尝试.然而,启发式思想求解最小约简遇到某些特殊的数据集会出现失效的现象.在决策形式背景中引入决策规则支持元与支持度,讨论了协调集与约简的等价判定定理,在此基础上提出基于遗传算法的决策形式背景的属性约简方法.数值实例分析表明,新约简方法能够在一定程度上弥补启发式算法存在失效现象的不足,从而有利于提高决策分析的效率.(本文来源于《小型微型计算机系统》期刊2015年08期）
时光,智军,陈军[6]（2015）在《基于免疫遗传算法的粗糙集属性约简算法》一文中研究指出论文提出了一种基于免疫遗传算法的粗糙集属性约简算法。该算法将免疫算法和遗传算法结合,采用自适应的交叉和变异算子,并运用基于收缩精度的逐级进化策略作为算法的停止准则,实验证明该算法提高了算法的全局搜索能力,避免陷入局部最优,能够快速得到相对最小约简。(本文来源于《电子技术与软件工程》期刊2015年11期）
孙宇航,常晋义,谢从华[7]（2015）在《一种启发信息遗传算法的粗糙集属性约简算法》一文中研究指出属性约简在粗糙集理论研究中一直占据重要位置。为了能够更加快速有效的获得决策表中属性的最优约简,提出了一种新的启发信息遗传算法的粗糙集属性约简算法。引入属性频率作为启发式信息构造适应度函数,相比于传统矩阵方法,减少了大量矩阵操作。在交叉操作时,基于属性重要度的特性,引入判别属性相似度这一操作,父代相似个体不进行交叉,避免了不必要的个体交叉。实验结果表明,该算法比传统方法更准确的获得关键属性,且迭代的次数更少,能更有效地约简属性。(本文来源于《电脑知识与技术》期刊2015年07期）
安利平,刘森[8]（2014）在《属性约简的两阶段遗传算法》一文中研究指出属性约简是数据挖掘的一个重要研究内容.为了解决具有多种属性类型的决策表约简问题,在粗集和二元关系聚合理论的基础上,利用属性重要性作为评价标准,提出了一种两阶段遗传约简算法.算法的第一阶段是为了找出尽可能多的约简,第二阶段力求寻找最小约简.根据算法每个阶段的目标设计了编码方案、种群规模、适应度函数、终止条件、选择、变异和修正操作.实验表明,与标准遗传算法相比,两阶段算法在计算最小约简时更为准确和稳定.(本文来源于《系统工程理论与实践》期刊2014年11期）
李玉龙,张亚光,毕聪聪[9]（2014）在《一种基于改进遗传算法的粗糙集属性约简算法》一文中研究指出为解决传统遗传算法在属性约简时会出现迭代次数多,收敛较慢的问题,论文提出了一种改进的遗传算法。该方法在适应函数上加入属性重要度因子,同时在交叉操作中有选择地保留子代个体,确保算法能够快速收敛。实验结果证明,改进之后的算法在保证属性约简的基础上,能够实现比传统遗传算法更快的迭代和收敛。(本文来源于《计算机与数字工程》期刊2014年10期）
傅轶娜[10]（2014）在《基于MapReduce和遗传算法的粗糙集属性约简研究》一文中研究指出随着互联网时代的蓬勃发展,以及物联网、云计算等新兴技术的涌现,大数据时代已经到来。如何有效地从大数据中挖掘知识,释放数据中隐含的巨大经济价值、科研价值和社会价值,成为当今学术界和产业界研究的重大课题。粗糙集理论是由波兰数学家Pawlak Z.提出的一种数据推理方法,这个理论工具在研究不精确知识表达、不完整数据、学习、归纳等方面非常强大,尤其在知识分类和知识发现方面的数据挖掘具有强大的能力。属性约简是粗糙集理论的一个核心问题之一,国内外学者在这方面都有大量研究,提出了不少算法,其中大多数是启发式属性约简算法。它是以属性重要度作为一个指引来对属性进行选择或删减,但这种算法并不能正确求解某些信息系统,有学者提出了遗传约简算法,这种生物智能算法能有效解决启发式算法无法覆盖的部分信息系统。但遗传约简算法由于遗传算法本身具有的未成熟局部收敛这一缺陷,而导致遗传约简算法可能出现未成熟局部收敛,所获得的并非最小约简。针对以上这些问题,本论文研究提出了并行化遗传约简算法。将多种群并行化于简单而强大的分布式并行处理系统MapReduce编程架构,既能保留生物智能算法的优势,解决传统算法所不能覆盖的系统,又能解决遗传算法未成熟局部收敛这一问题。本论文主要的研究工作如下：在学习和研究了粗糙集、遗传算法的理论概念、设计思想、算法步骤和工作原理等相关知识后。又系统学习了一种智能化的粗糙集属性约简算法：遗传约简算法。在这些经典理论和算法模型的基础上,又引入了新兴的MapReduce理论及它的实现平台Hadoop,提出了基于MapReduce的遗传算法解决粗糙集属性约简方案,简称并行化遗传约简算法。它的主要思想是,在遗传约简算法的基础上,进行多种群并行化遗传。传统遗传约简算法是单一种群的进化遗传以寻求最优个体,这可能会出现未成熟局部收敛现象。若能多种群同时相对独立进化,从概率统计上而言,最终结果就不会出现未成熟局部收敛的结果。而且由于是并行化多种群进化,所以在时效上不会太差。基于这样的想法,本论文设计了并行化遗传约简算法的实验,并在论文中对如何具体并行化设计做了详细介绍,实验结果证明了并行化遗传约简算法的确比非并行化遗传约简算法具有更高的正确率,能更有效地获得最小相对约简。(本文来源于《安徽大学》期刊2014-04-01）
遗传算法约简论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着信息化进程的不断推进,气象观测数据的采集量和采集的气象要素都在不断增加。由于气象观测数据采集过程中没有明确的目的性,而气象现象的变化往往只与采集的部分气象要素有关,因此采集的气象数据中属性冗余度大。冗余属性不仅降低了气象观测数据的挖掘效率,也降低了数据的挖掘精度。因此,对采集的气象观测数据进行属性约简具有非常重要的意义。本文针对气象观测数据的特点,研究基于遗传算法的气象观测数据属性约简算法:(1)本文首先介绍了粗糙集理论的基本知识,概述了粗糙集理论中的知识分类、信息系统以及属性约简等相关知识。分析了属性约简结合其他优化算法的必要性,同时对遗传算法的相关知识进行阐述,为进一步研究气象观测数据属性约简提供准备。(2)针对气象观测数据冗余属性多以及数据相关性较强的特点,提出一种区间值信息系统。并结合自适应遗传算法,提出一种基于遗传算法的区间值属性约简算法(Attribute Reduction Algorithm of Interval-valued Information System based on Genetic Algorithm,ARIGA)。气象观测数据作为一种典型的时间序列数据,一定时间范围内数据相关性较强,如果将气象观测数据离散为单值数据,容易造成造成数据间相关性减弱,导致部分知识的遗漏。算法通过引入区间值相似度,避免了数据离散化造成的知识遗漏,同时满足对单值数据和区间值数据进行等价类的划分。通过实验验证了 ARIGA对气象观测数据属性约简的性能。(3)针对遗传算法早熟收敛和收敛速度慢等问题,提出一种基于精英策略的协同进化自适应属性约简算法(Co-evolutionary Adaptive Attribute Reduction Algorithm based on Elite Strategy,CAARES)。从进化种群中选择适应度值最大的前M个相异个体组成精英池,个体交叉进行操作时,从精英池中随机选择一个精英个体完成交叉操作,借助精英个体引导种群快速进化,提高收敛速度。通过改进遗传算子和引入随机种群,改善种群多样性。实验表明,CAARES算法有效维持了进化过程中种群的多样性,保证了收敛效率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
遗传算法约简论文参考文献
[1].郑文彬,胡敏杰,何秋红.遗传算法下的粗糙集属性约简算法及其有效性分析[J].长春工业大学学报.2019
[2].郑忠仁.基于遗传算法的气象观测数据属性约简研究[D].南京信息工程大学.2018
[3].黄国庆,肖爽.单亲遗传算法在粗糙集属性约简中的应用[J].信息技术.2018
[4].郑忠仁,程勇,王军,钟水明,徐利亚.基于遗传算法的气象观测数据区间值属性约简算法[J].计算机应用.2017
[5].李金海,梅长林,张红英,张晓.基于遗传算法的决策形式背景的属性约简方法及其在决策分析中的应用[J].小型微型计算机系统.2015
[6].时光,智军,陈军.基于免疫遗传算法的粗糙集属性约简算法[J].电子技术与软件工程.2015
[7].孙宇航,常晋义,谢从华.一种启发信息遗传算法的粗糙集属性约简算法[J].电脑知识与技术.2015
[8].安利平,刘森.属性约简的两阶段遗传算法[J].系统工程理论与实践.2014
[9].李玉龙,张亚光,毕聪聪.一种基于改进遗传算法的粗糙集属性约简算法[J].计算机与数字工程.2014
[10].傅轶娜.基于MapReduce和遗传算法的粗糙集属性约简研究[D].安徽大学.2014