基于蚁群遗传算法的属性约简

计算机与现代化 ›› 2013, Vol. 1 ›› Issue (1): 25-28.doi:

基于蚁群遗传算法的属性约简

夏先智，杜新宇，郑扬飞

华北计算技术研究所公共安全信息化事业部，北京100083

收稿日期:2012-08-15 修回日期:1900-01-01 出版日期:2013-02-06 发布日期:2013-02-06

Attribute Reduction Based on Ant Colony Genetic Algorithm

XIA Xianzhi, DU Xinyu, ZHENG Yangfei

Dept. of Public Security Informatization Sector, North China Institute of Computing Technology, Beijing 100083, China

Received:2012-08-15 Revised:1900-01-01 Online:2013-02-06 Published:2013-02-06

摘要/Abstract

摘要：

针对普通蚁群算法在属性约简中求解最小约简存在局部最优、迭代次数多、收敛慢的问题，将复制、交叉、变异这些遗传算子引入蚁群算法中，改进蚂蚁的产生方式和蚂蚁构造可行解的过程，提高算法的收敛速度和全局搜索能力。算法在加州大学机器学习数据库中的数据集的测试结果表明，该算法能快速有效地求解属性约简，能够找到最小约简集。



关键词: 关键词：遗传算法, 蚁群算法, 属性约简, 粗糙集

Abstract:

As for the ordinary ant colony algorithm for attribute reduction, which has the problems such as local minima, many iterations and slow convergence, this paper proposes the ant colony genetic algorithm that takes copy, crossover and mutation of genetic operators to ant colony algorithm, which can improve the generation of ants and the process of the feasible solution, to improve global search capability. The algorithm is validated on data sets of UCI machine learning database from the University of California. The results show that the algorithm can quickly and efficiently solve the attribute reduction, to be able to find the minimal reduction set.



Key words: Key words: genetic algorithm, ant colony algorithm, attribute reduction, rough set

夏先智;杜新宇;郑扬飞. 基于蚁群遗传算法的属性约简[J]. 计算机与现代化, 2013, 1(1): 25-28.

XIA Xianzhi;DU Xinyu;ZHENG Yangfei. Attribute Reduction Based on Ant Colony Genetic Algorithm[J]. Computer and Modernization, 2013, 1(1): 25-28.

[1]	毛明扬, 徐胜超. 面向粒子群优化BP神经网络的粗糙集连续属性离散化算法[J]. 计算机与现代化, 2023, 0(09): 115-119.
[2]	段珣, 杨志勇, 江峰. 一种基于邻域粒度熵的离群点检测算法[J]. 计算机与现代化, 2022, 0(10): 19-23.
[3]	张雄, 潘大志, . 融合邻域搜索策略蚁群算法求解带时间窗口的车辆路径问题[J]. 计算机与现代化, 2022, 0(03): 98-102.
[4]	曲建波, 孙剑伟. 基于蚁群算法的导航卫星功率增强任务规划[J]. 计算机与现代化, 2021, 0(02): 104-108.
[5]	姚传文, 黄道斌, 叶明全, . 基于粗糙集自适应粒度的MR脑肿瘤图像分割[J]. 计算机与现代化, 2021, 0(01): 34-37.
[6]	高月仁, 吴涛, 高峡. 基于蚁群算法优化的路由频率动态择径的研究[J]. 计算机与现代化, 2020, 0(12): 32-37.
[7]	李希敏, 李书琪. 基于粗糙集的多源数据库缓存冲突自动处理方法[J]. 计算机与现代化, 2020, 0(10): 36-39.
[8]	李显良1,2，周庆平2，谭长庚3，谭焱良2，徐则阳2. 基于蚁群算法的城市体育设施优化选址[J]. 计算机与现代化, 2020, 0(03): 33-.
[9]	叶家琪1，符强1，2，贺亦甲1，叶浩1 . 基于聚类集成的蚁群算法求解大规模TSP问题[J]. 计算机与现代化, 2020, 0(02): 31-.
[10]	王光琼1,2 . 不完备系统中一种增量式属性约简算法[J]. 计算机与现代化, 2019, 0(08): 69-.
[11]	梁晶亮,黄军胜,白树军,王鹏,李睿. 基于蚁群算法的电力数据网络APT攻击预警模型[J]. 计算机与现代化, 2019, 0(01): 95-.
[12]	李华，江峰，于旭，杜军威，刘国柱. 基于粒度决策熵的属性约简[J]. 计算机与现代化, 2018, 0(04): 7-.
[13]	付永忠，潘云峰. 基于改进蚁群算法的垂直旋转式贴片机贴装顺序优化[J]. 计算机与现代化, 2017, 0(8): 17-.
[14]	凌云翔1,2,宋志远1,张世海1,马力2. 基于蚁群算法的高原地区车辆运输路径优化问题[J]. 计算机与现代化, 2016, 0(9): 77-82.
[15]	宋琪，敬超. 面向多核系统的蚁群最优化能耗调度算法[J]. 计算机与现代化, 2016, 0(6): 91-96.