智能決策理論與方法-資料下載頁
2025-02-13 17:32本頁面
【正文】 對應關系可由下式確定： 式中 m(s)是長度為 l(i)的二進制編碼中第 s位的編碼值。 si為連續(xù)屬性 ci的起點值， ei為其終點值 決策理論與方法 智能決策理論與方法機器學習 — 遺傳算法 對 C’中的所有屬性進行編碼形成的二進制串長度為： 因此，連續(xù)屬性集離散化問題的搜索空間規(guī)模為 2l。 l(i)的選擇與樣本的規(guī)模有關。 例如，若樣本規(guī)模為 200，連續(xù)屬性集 C’={c1,c2,c3}，k1=k2=4， k3=3。選擇 l(1)=l(2)=l(3)=5，則l=53+53+52=40，問題的搜索空間規(guī)模為 240≈1012 00110 10010 11011 01100 10101 11101 00111 10011表示了分割點集的一條染色體。 決策理論與方法 智能決策理論與方法機器學習 — 遺傳算法? 適應度函數(shù) ： 體現(xiàn)決策目標的優(yōu)化方向 。從粗糙集理論的角度，離散化往往會破壞信息系統(tǒng)中原來的不可分辨關系，即原來兩個可分辨的對象可能變?yōu)椴豢煞直妫@樣等價類包含的對象數(shù)量增加，而等價類數(shù)量減少，分類能力可能減弱。因此使離散化后系統(tǒng)的分類能力最大是我們的優(yōu)化目標，因此可用決策屬性 d對 C’的依賴度作為適應度函數(shù)：決策理論與方法 智能決策理論與方法機器學習 — 遺傳算法? 復制算子 。把當前群體中的個體按與適應值成比例的概率復制到新的群體中，復制過程應用賭盤技術(shù)選擇要被復制的串。 復制算子的作用效果將提高群體的平均適應值。? 設種群數(shù)為 N，則將賭盤分成 N份，第 i份的比例按如下值確定：決策理論與方法 智能決策理論與方法機器學習 — 遺傳算法s4s2s1決策理論與方法 智能決策理論與方法機器學習 — 遺傳算法? 交叉算子 ：按一定的概率從交配池中任選 2條染色體進行多點雜交 (隨機互換兩個染色體某些位上的基因 )。方法如下：挑選 2個染色體串，按概率確定它們是否發(fā)生雜交，若未發(fā)生雜交，另取 2個染色體串，否則，先產(chǎn)生 m個隨機數(shù) r(i)(ci?C’)，隨機數(shù)的范圍為 1到 l(i)(ki1)1，然后配對的 2個串相互對應地交換從 到 的位段。 決策理論與方法 智能決策理論與方法機器學習 — 遺傳算法例： 設染色體 s1= 00110 10010 11011 01100 10101 11101 00111 10011 s2= 10110 10100 01011 01101 00101 10101 10001 10101按箭頭所指進行交叉，得到兩條新的染色體。 s1’= 00110 01011 11011 01100 01101 11101 10101 10011 s2’= 10110 10100 10010 10101 00101 10101 10001 00111決策理論與方法 智能決策理論與方法機器學習 — 遺傳算法? 變異算子 ：以一個很小的概率隨機改變某條染色體中的某些基因位，形成新的種群，改變種群結(jié)構(gòu)。方法如下：挑選 1條染色體串，按概率確定它們是否發(fā)生變異，若未發(fā)生變異，另取 1條染色體串，否則，先產(chǎn)生 m個隨機數(shù) r(i)(ci?C’)，隨機數(shù)的范圍為 1到 l(i)(ki1)，然后對該串的第 位進行改變。 決策理論與方法 智能決策理論與方法機器學習 — 遺傳算法例： 設染色體 s1= 00110 10010 11011 01100 10101 11101 00111 10011按下劃線所指進行變異操作，得到一條新的染色體。 s1’= 00110 10110 11011 01000 10101 11101 00110 10011v 基于 GA算法的離散化算例 ：? 問題與參數(shù)： 一個含有連續(xù)屬性集 C’={c1,c2,c3}和一個決策屬性 d的決策表，各項參數(shù)確定為： k1=k2=3， k3=4， l(3)=5 ， l(1)=l(2)=4， N=40， Pc=， Pm=；停機條件是 M=50或分類能力 ?(C’,d)?。 決策理論與方法 智能決策理論與方法機器學習 — 遺傳算法? 原始數(shù)據(jù)? 分割點c1 c2 c3 d c1 c2 c3 d19 119 1 270 226 120 1 202 1 93 15 1 199 2 186 1 11 120 2 101 2 121 1 150 1 266 1 58 1 141 1 65 1 214 1 172 1屬性屬性 (區(qū)區(qū) 間間 ) c1() c2(58270) c3()分割點分割點 c11 c12 c21 c22 c31 c32 c33分割點基因分割點基因 0010 0100 0011 1101 00011 00110 01110分割點坐分割點坐 標標 決策理論與方法 智能決策理論與方法機器學習 — 遺傳算法? 離散化結(jié)果c1 c2 c3 d c1 c2 c3 d2 1 1 1 2 2 3 22 1 2 1 2 1 3 12 0 0 1 0 1 0 22 1 3 1 1 1 0 22 1 1 2 2 1 1 11 1 1 1 2 2 3 11 0 0 1 1 1 1 12 0 0 1 2 1 3 12 1 3 1決策理論與方法 智能決策理論與方法機器學習 — 遺傳算法v Matlab(Geic Algrithm Direct Search Toolbox)提供了一個函數(shù) ga()，可直接求解某個函數(shù)的極小值；另外還提供了一個遺傳算法工具gatool。決策理論與方法 智能決策理論與方法
教學課件相關推薦
鄂ICP備17016276號-1