專(zhuān)利名稱(chēng)：基于蟻群智能的決策系統(tǒng)約簡(jiǎn)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于信息處理技術(shù)領(lǐng)域，具體涉及一種基于蟻群智能的決策系統(tǒng)約簡(jiǎn)方法。
背景技術(shù)：
決策支持系統(tǒng)是輔助決策者通過(guò)數(shù)據(jù)、模型和知識(shí)，以人機(jī)交互方式進(jìn)行半結(jié)構(gòu)化或非結(jié)構(gòu)化決策的計(jì)算機(jī)應(yīng)用系統(tǒng)。它是管理信息系統(tǒng)向更高一級(jí)發(fā)展而產(chǎn)生的先進(jìn)信息管理系統(tǒng)。它為決策者提供分析問(wèn)題、建立模型、模擬決策過(guò)程和方案的環(huán)境，調(diào)用各種信息資源和分析工具，幫助決策者提高決策水平和質(zhì)量。決策支持系統(tǒng)已經(jīng)在工業(yè)、農(nóng)業(yè)、 商業(yè)等眾多行業(yè)得到廣泛的應(yīng)用。決策支持系統(tǒng)簡(jiǎn)稱(chēng)為決策系統(tǒng)，決策系統(tǒng)中模型的建立關(guān)鍵在于抽取出決策規(guī)則構(gòu)建專(zhuān)家知識(shí)庫(kù)。決策系統(tǒng)中的約簡(jiǎn)是指系統(tǒng)在保持決策能力不變的情況下，刪除其中不重要和冗余的數(shù)據(jù)，為決策系統(tǒng)的規(guī)則抽取提供簡(jiǎn)潔一致的數(shù)據(jù)。粗糙集是波蘭科學(xué)家Pawlak于20世紀(jì)80年代初提出的一種新的處理不完整、 不確定知識(shí)和數(shù)據(jù)的表達(dá)、學(xué)習(xí)、歸納的理論方法，已經(jīng)廣泛在決策系統(tǒng)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、過(guò)程控制及模式識(shí)別等多個(gè)領(lǐng)域取得了較成功的應(yīng)用。約簡(jiǎn)是粗糙集的核心研究?jī)?nèi)容之一，長(zhǎng)期以來(lái)都是數(shù)據(jù)挖掘研究的重要課題。約簡(jiǎn)是指系統(tǒng)在保持分類(lèi)或決策能力不變的情況下，刪除其中不重要和冗余的屬性，為后續(xù)的規(guī)則獲取提供簡(jiǎn)潔、一致的數(shù)據(jù)。蟻群智能方法是一種近年來(lái)才發(fā)展起來(lái)的新穎的模仿螞蟻覓食的群智能方法，具有正反饋、并行性和啟發(fā)性搜索等特點(diǎn)，已經(jīng)被應(yīng)用到?jīng)Q策系統(tǒng)約簡(jiǎn)方法中。但是，現(xiàn)有的約簡(jiǎn)方法，存在著計(jì)算復(fù)雜性高、搜索時(shí)間過(guò)長(zhǎng)和過(guò)早收斂問(wèn)題。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問(wèn)題是克服現(xiàn)有的決策系統(tǒng)中約簡(jiǎn)方法的不足，提供一種基于蟻群智能的決策系統(tǒng)約簡(jiǎn)方法，能夠提高運(yùn)算速度，更容易獲得決策系統(tǒng)的最小約簡(jiǎn)。本發(fā)明提供一種基于蟻群智能的決策系統(tǒng)約簡(jiǎn)方法，包括如下步驟輸入決策系統(tǒng)DT = (U，C U D，V，f)和最大迭代次數(shù)max cycle。輸出最優(yōu)屬性約簡(jiǎn)Rmin及其基數(shù)Lmin。1.初始化 Rmin = C，Lmin = I CI，iteration = 0。2.計(jì)算互信息I (C ；D)，計(jì)算屬性核Core。循環(huán)3.產(chǎn)生k只螞蟻，用屬性核初始化k只螞蟻，Rk = Core。4. k只螞蟻分別隨機(jī)選擇k個(gè)屬性ak，& = & U 4。5. k只螞蟻分別根據(jù)啟發(fā)信息選擇下一個(gè)屬性bk，Rk = Rk U bk6.如果互信息相等，即1( ;D) = = I(C;D)，則第k只螞蟻結(jié)束其搜索過(guò)程，否則，轉(zhuǎn)5。7.獲得局部解，Rfflin =基數(shù)最小的 Rk，Lfflin = min(|l k|)。
8.如果迭代次數(shù)t大于最大迭代次數(shù)maxcycle或進(jìn)化趨勢(shì)不明顯，則結(jié)束循環(huán)， 否則，公式 τ^.α+Ι) = P TijU)+ Δ τ (t)更新信息素 Tij(t+1)，轉(zhuǎn) 3。9.獲得全局解，輸出最小約簡(jiǎn)Rmin及其基數(shù)Lmin。所述方法的終止條件為當(dāng)達(dá)到最大迭代次數(shù)或連續(xù)進(jìn)化多代的最優(yōu)個(gè)體的屬性集合基數(shù)沒(méi)有變化時(shí)，則循環(huán)結(jié)束。所述方法以基于互信息的屬性重要度與信息素作為啟發(fā)信息，從特征核出發(fā)，然后在從隨機(jī)點(diǎn)出發(fā)，求取屬性約簡(jiǎn)。所述方法步驟中，產(chǎn)生k只螞蟻后，這k只螞蟻可分別并行計(jì)算，并行求取屬性約簡(jiǎn)。上述技術(shù)方案可以看出，由于本發(fā)明實(shí)施例將屬性重要性與信息素作為啟發(fā)式信息，引入蟻群智能，并從屬性核出發(fā)，縮小搜索空間規(guī)模，提高了方法的時(shí)間復(fù)雜度，且方法簡(jiǎn)單易行，具有并行性，因此能夠快速且有效的求得最小約簡(jiǎn)。


為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其它的附圖。圖1是本發(fā)明基于蟻群智能的決策系統(tǒng)約簡(jiǎn)方法的流程圖。
具體實(shí)施例方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。本發(fā)明實(shí)施例提供一種基于蟻群智能的決策系統(tǒng)約簡(jiǎn)方法，能夠快速有效地獲取決策系統(tǒng)中屬性的最小約簡(jiǎn)。以下進(jìn)行詳細(xì)說(shuō)明。概括的說(shuō)，包括以下步驟先獲取屬性核，從屬性核出發(fā)，隨機(jī)產(chǎn)生多個(gè)螞蟻，各個(gè)螞蟻根據(jù)啟發(fā)信息分頭去尋找屬性約簡(jiǎn)，形成局部解，然后判斷進(jìn)化趨勢(shì)是否不明顯或者到達(dá)最大迭代次數(shù)，如果是則輸出最佳個(gè)體，否則更新信息素，進(jìn)入下一次迭代進(jìn)化過(guò)程。具體則如下描述在計(jì)算機(jī)中輸入決策系統(tǒng)DT = (U, C U D，V，f)，其中U是對(duì)象的非空有限集合， C是條件屬性集，D是決策屬性集，V表示全體屬性的值域，Γ = U^jVa表示屬性a e A的
值域，f表示UXA — V的一個(gè)映射，稱(chēng)為決策函數(shù)。輸出信息為決策系統(tǒng)DT的最小約簡(jiǎn)。也即獲取用戶(hù)的輸入信息決策系統(tǒng)DT = (U，C U D，V，f)；需要輸出的信息條件屬性集C的最小約簡(jiǎn)。該方法執(zhí)行以下操作
1.初始化 Rmin = C，Lmin = I CI，iteration = 0。2.計(jì)算互信息I (C ；D)，計(jì)算屬性核Core。循環(huán)3.產(chǎn)生k只螞蟻，用屬性核初始化k只螞蟻，Rk = Core。4. k只螞蟻分別隨機(jī)選擇k個(gè)屬性4，Rk = Rk U %。
k5. k只螞蟻分別根據(jù)啟發(fā)信息A⑴=^yj e alIowedk選擇下一個(gè)屬
I^allowedk
性bk，Rk = Rk U bk6.如果互信息相等，即1( ;D) = = I(C;D)，則第k只螞蟻結(jié)束其搜索過(guò)程，否則，轉(zhuǎn)5。7.獲得局部解，Rfflin =基數(shù)最小的 Rk, Lfflin = min (| Rk |)。8.如果迭代次數(shù)t大于最大迭代次數(shù)maxcycle或進(jìn)化趨勢(shì)不明顯，則結(jié)束循環(huán)， 否則，公式 τ^.α+Ι) = P TijU)+ Δ τ (t)更新信息素 Tij(t+1)，轉(zhuǎn) 3。9.獲得全局解，輸出最小約簡(jiǎn)Rmin及其基數(shù)Lmin。以下結(jié)合附圖進(jìn)行更詳細(xì)介紹。圖1是本發(fā)明的屬性約簡(jiǎn)方法流程圖，如圖1所示，包括步驟1)計(jì)算屬性核；屬性核是所有屬性約簡(jiǎn)的公共部分，屬性核在約簡(jiǎn)中起到提高精度與加快速度的作用。計(jì)算屬性核的方法，可以采用如下計(jì)算公式對(duì)于Vae C，如果I (C-{a} ；D) < I (C ； D)，則 Core = Core U {a}，其中 I (C ；D)為互信息。2)產(chǎn)生k只螞蟻，并用屬性核初始化；k只螞蟻群體都是從屬性核出發(fā)，這樣可以縮小搜索圖的規(guī)模。比如，屬性數(shù)為8， 則完全圖搜索結(jié)點(diǎn)達(dá)到28個(gè)，假設(shè)核屬性數(shù)為4，則完全圖搜索結(jié)點(diǎn)為24個(gè)，這樣搜索空間從28降為24。3)每只螞蟻隨機(jī)選取下一屬性；蟻群智能方法屬于隨機(jī)搜索，因此，首先隨機(jī)選取屬性，而后，再根據(jù)啟發(fā)信息選取。每只螞蟻分別去找屬性約簡(jiǎn)，具有并行的特征，可以并行處理，提高搜索速度。4)計(jì)算啟發(fā)信息，根據(jù)啟發(fā)信息選取下一屬性；每只螞蟻根據(jù)啟發(fā)信息尋找下一屬性，啟發(fā)信息采用基于互信息的屬性重要度以及螞蟻揮發(fā)的信息素，計(jì)算公式為P'J⑴=Z ταηβ{ )，J e allowed,
Ieallowedk其中k和t分別為第幾只螞蟻和第幾次迭代，allowed,為第k只螞蟻尚未選擇的屬性，1。.和Ilu分別為從i結(jié)點(diǎn)選擇j結(jié)點(diǎn)的信息素和啟發(fā)信息。α >0和β >0分別為信息素與啟發(fā)信息的重要性參數(shù)。如果參數(shù)α大于參數(shù)β，則螞蟻決策選擇路徑時(shí)主要考慮信息素因素，反之，則主要考慮啟發(fā)信息因素。參數(shù)α和參數(shù)β取值為0 1之間的數(shù)，一般通過(guò)實(shí)驗(yàn)來(lái)確定。
5
5)判斷是否為約簡(jiǎn)，獲得局部解；每只螞蟻分別去尋找局部解，那么其獲得局部解的條件為以下兩個(gè)條件之一(1) I (R ；D) = I (C ；D)，R為當(dāng)前螞蟻構(gòu)建的屬性集合；(2)當(dāng)前螞蟻構(gòu)建的屬性集合的基數(shù)大于暫時(shí)全局最優(yōu)解的基數(shù)。第一個(gè)條件是當(dāng)某只螞蟻尋找的屬性集合的互信息等于整個(gè)決策系統(tǒng)的互信息時(shí)，表示這只螞蟻找到了一個(gè)局部解。若此局部解的屬性集合基數(shù)小于目前全局最優(yōu)解的基數(shù)(以屬性集合基數(shù)最小為最優(yōu))，則該局部解作為新的全局最優(yōu)解。第二個(gè)條件是當(dāng)某只螞蟻的屬性集合基數(shù)已經(jīng)大于目前全局最優(yōu)解的基數(shù)時(shí)，那么這只螞蟻沒(méi)有再尋找下去的必要。6)是否滿(mǎn)足整個(gè)迭代結(jié)束條件；當(dāng)?shù)螖?shù)達(dá)到最大迭代次數(shù)或者進(jìn)化趨勢(shì)不明顯時(shí)，則算法終止，輸出最小約簡(jiǎn)。否則，則更新信息素，進(jìn)行下次迭代。7)更新信息素，進(jìn)入下一次迭代；如果不滿(mǎn)足迭代結(jié)束條件，怎更新信息素，進(jìn)入下一次迭代。更新信息素公式如下
權(quán)利要求
1.一種基于蟻群智能的決策系統(tǒng)約簡(jiǎn)方法，其特征在于，包括如下步驟(1)求決策系統(tǒng)的屬性核，初始化互信息及迭代次數(shù)；(2)產(chǎn)生k只螞蟻，用屬性核初始化k只螞蟻，k只螞蟻隨機(jī)選擇某個(gè)屬性；(3)計(jì)算屬性重要度與信息素構(gòu)成的啟發(fā)信息；(4)每只螞蟻根據(jù)啟發(fā)信息選擇下一屬性；(5)如果當(dāng)前螞蟻的互信息等于初始互信息，則令該螞蟻結(jié)束，否則，轉(zhuǎn)(3)；(6)獲得局部解；(7)如果小于最大迭代次數(shù)或者進(jìn)化趨勢(shì)不明顯，則獲得全局解，輸出最小約簡(jiǎn)，否則， 更新信息素，轉(zhuǎn)O)。
2.根據(jù)權(quán)利要求1所述的基于蟻群智能的決策系統(tǒng)約簡(jiǎn)方法，其特征在于所述方法的終止條件為當(dāng)達(dá)到最大迭代次數(shù)或連續(xù)進(jìn)化多代的最優(yōu)個(gè)體的屬性集合基數(shù)沒(méi)有變化時(shí)，則循環(huán)結(jié)束。
3.根據(jù)權(quán)利要求1或2所述的基于蟻群智能的決策系統(tǒng)約簡(jiǎn)方法，其特征在于 以基于互信息的屬性重要度與信息素作為啟發(fā)信息。
4.根據(jù)權(quán)利要求1或2所述的基于蟻群智能的決策系統(tǒng)約簡(jiǎn)方法，其特征在于 從特征核出發(fā)，然后在從隨機(jī)點(diǎn)出發(fā)，求取屬性約簡(jiǎn)。
全文摘要
本發(fā)明公開(kāi)了一種基于蟻群智能的決策系統(tǒng)約簡(jiǎn)方法。該方法包括(1)求決策系統(tǒng)的屬性核，初始化互信息及迭代次數(shù)；(2)產(chǎn)生k只螞蟻，用屬性核初始化k只螞蟻，k只螞蟻隨機(jī)選擇某個(gè)屬性；(3)計(jì)算屬性重要度與信息素構(gòu)成的啟發(fā)信息；(4)每只螞蟻根據(jù)啟發(fā)信息選擇下一屬性；(5)如果當(dāng)前螞蟻的互信息等于初始互信息，則令該螞蟻結(jié)束，否則，轉(zhuǎn)(3)；(6)獲得局部解；(7)如果小于最大迭代次數(shù)或者進(jìn)化趨勢(shì)不明顯，則獲得全局解，輸出最小約簡(jiǎn)，否則，更新信息素，轉(zhuǎn)(2)。本發(fā)明技術(shù)方案能夠快速有效地獲取決策系統(tǒng)中屬性的最小約簡(jiǎn)，有效地提高了信息的準(zhǔn)確性。
文檔編號(hào)G06N3/00GK102184449SQ20111010142
公開(kāi)日2011年9月14日 申請(qǐng)日期2011年4月15日 優(yōu)先權(quán)日2011年4月15日
發(fā)明者陳玉明 申請(qǐng)人:廈門(mén)理工學(xué)院