基于蟻群優(yōu)化的風(fēng)險最小化屬性約簡算法研究.pdf

1、粗糙集理論作為一種重要的智能信息處理技術(shù)，在知識獲取領(lǐng)域得到了廣泛應(yīng)用。經(jīng)典粗糙集理論的核心概念是上近似集和下近似集，是應(yīng)用精確集合包含來定義上近似集和下近似集的。然而，現(xiàn)實處理的數(shù)據(jù)大多是不精確的。因此，針對Pawlak代數(shù)粗糙集模型過于嚴(yán)格缺乏容錯能力的問題，人們提出了一系列概率型粗糙集擴(kuò)展模型，決策粗糙集模型就是其中一種。
　　 隨著市場經(jīng)濟(jì)的飛速發(fā)展，各種投資決策項目、風(fēng)險評估分析需求日益增多，如何在風(fēng)險代價最小化的基礎(chǔ)

2、上進(jìn)行屬性約簡是我們面臨的問題。另外一方面，在不同的系統(tǒng)中，人們對于屬性約簡的要求和期望也不同。比如，在一些工業(yè)實踐中，如果能夠獲得多個屬性約簡，那么用戶就可以根據(jù)屬性特征獲取的難易（代價）進(jìn)行選擇。因此，本文基于決策粗糙集模型，針對風(fēng)險代價最小化的多個屬性約簡獲取問題展開了研究工作。
　　 最小屬性約簡問題是個組合優(yōu)化問題。由于知識表中各個屬性的重要程度并不一樣，本文首先對屬性重要度進(jìn)行了度量，并以屬性重要性作為啟發(fā)式因子指導(dǎo)

3、屬性約簡。在經(jīng)典粗糙集模型下，屬性個數(shù)的減少有可能降低屬性集的確定性分類能力，因此在經(jīng)典粗糙集模型下，屬性約簡必須保證屬性子集的正域不變的這種要求是合理的。但是，在決策粗糙集模型下，將對象劃分到正域隨著屬性個數(shù)的變化具有非單調(diào)性，減少部分屬性則有可能提高屬性的概率分類能力，所以經(jīng)典粗糙集模型下的屬性重要性的定義對于決策粗糙集模型下的風(fēng)險最小化的屬性約簡有一定的局限性。因此，本文在基于風(fēng)險最小化的屬性約簡中，除了考慮哪些屬性對決策是重要的

4、，哪些屬性是冗余的，還考慮到了屬性的刪除與否是否產(chǎn)生代價的問題，從而提出了一種有效的風(fēng)險最小化下的屬性重要性的評估方法。
　　 考慮到群體智能算法具有合作性，正反饋選擇等特點，本文結(jié)合蟻群優(yōu)化算法來獲取風(fēng)險最小化的多個屬性約簡。由于不同屬性對決策表的決策分類能力不同，所以本文在基于決策粗糙集模型的屬性重要性的概念基礎(chǔ)上，基于蟻群算法框架提出了新的風(fēng)險最小化的屬性約簡算法。通過將屬性重要性這個因子加入到蟻群算法中的概率轉(zhuǎn)移規(guī)則公式