和聲搜索算法的改進(jìn)及在粗糙集約簡中應(yīng)用.pdf

1、優(yōu)化是人們在科學(xué)研究、工程技術(shù)和經(jīng)濟(jì)管理等諸多領(lǐng)域中經(jīng)常碰到的問題。其目的是找到使目標(biāo)函數(shù)達(dá)到最小或最大的條件。已有的許多優(yōu)化方法在處理人們所面對的復(fù)雜問題時(shí)，往往很不令人滿意。近年來，一種新的優(yōu)化方法——和聲搜索算法逐漸成為學(xué)者關(guān)注的研究方向之一。它的主要特點(diǎn)是簡單、收斂速度較快，且所需領(lǐng)域知識較少。
　　粗糙集理論是繼概率論、模糊集理論、證據(jù)理論之后的又一個(gè)處理含糊性和不確定性的數(shù)學(xué)工具。屬性約簡算法是粗糙集理論的核心內(nèi)容。粗

2、糙集屬性約簡的研究在知識獲取、機(jī)器學(xué)習(xí)、模式識別、決策分析、模型建立等實(shí)際應(yīng)用中有重要的意義;但是，由于屬性約簡被證明是一個(gè)NP問題，因此，研究更為有效的屬性約簡算法，有效地獲取較優(yōu)的屬性約簡，降低算法的時(shí)間復(fù)雜度，尋求快速的約簡算法仍是粗糙集理論的主要研究課題之一。本文主要研究了全局最優(yōu)和聲搜索算法的改進(jìn)及其在粗糙集屬性約簡問題中的應(yīng)用。
　　本文首先介紹了粗糙集理論的基本概念和相關(guān)知識。對粗糙集理論中基于區(qū)分矩陣、屬性重要度、

3、屬性依賴度的屬性約簡算法進(jìn)行了系統(tǒng)描述，并且對幾種粗糙集屬性約簡算法進(jìn)行了分析。
　　其次對目前和聲搜索算法進(jìn)行分析，介紹了基本和聲搜索算法的基本原理，算法步驟，參數(shù)選擇;改進(jìn)和聲搜索算法是對基本的和聲搜索算法的兩個(gè)重要參數(shù)進(jìn)行改進(jìn)，這兩個(gè)參數(shù)是迭代次數(shù)的函數(shù);自適應(yīng)和聲搜索算法是利用和聲庫內(nèi)的信息自動調(diào)整這兩個(gè)參數(shù)的大小;全局最優(yōu)和聲搜索算法是把全局信息引入和聲庫中。
　　再次提出了改進(jìn)全局最優(yōu)和聲搜索算法，這種改進(jìn)方法是

4、結(jié)合自適應(yīng)和聲搜索算法和全局最優(yōu)和聲搜索算法的優(yōu)點(diǎn)。改進(jìn)的全局最優(yōu)和聲搜索算法中利用和聲庫內(nèi)當(dāng)前解的情況，自適應(yīng)調(diào)整解變量的大小，從而避免和聲庫中解存在相同的情況，提高解的多樣性;另外加入全局最優(yōu)解的信息，使解能夠更快的收斂到最優(yōu)解。通過五個(gè)具有代表性的多峰值、復(fù)雜的標(biāo)準(zhǔn)測試函數(shù)進(jìn)行測試，從不同的迭代次數(shù)的測試結(jié)果可以看出，和聲庫內(nèi)的解變量逐次收斂到最優(yōu)解。該改進(jìn)算法與其它和聲搜索算法做比較，從比較的圖中可以看出，該改進(jìn)算法具有較高的跳