一种求解属性约简优化的协同粒子群算法

被引：7

作者：

丁卫平 ^{[1
,2
,3
]}

王建东 ^{[2
]}

段卫华 ^{[2
]}

施佺 ^{[1
]}

机构：

[1] 南通大学杏林学院

[2] 南京航空航天大学计算机科学与技术学院

[3] 苏州大学江苏省计算机信息处理技术重点实验室

来源：

山东大学学报(理学版) | 2011年 / 46卷 / 05期

基金：

国家高技术研究发展计划(863计划);

关键词：

粒子群优化; 向量分解; 协同学习; 属性约简; 自适应罚函数;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

080201 [机械制造及其自动化];

摘要：

针对粗糙属性约简优化问题,利用粒子群寻求最优解的优势,提出一种改进的粗糙集属性约简优化的协同粒子群算法(AR-CPSO)。在最优属性寻求过程中,该算法使粒子群在属性空间通过约简集向量的分解和邻域簇的协同学习提高其寻优能力,并利用自适应约束强化罚函数较好地收敛到最优目标属性约简集。该算法能始终保持种群的多样性、协作性,并避免过早地陷入局部最优。相关仿真实验表明,AR-CPSO算法能有效地找到全局最优属性约简集,具有较强的属性协同约简优化性能。

引用

页码：97 / 102

页数：6