基于粗糙集与遗传算法的储层识别技术

格式：pdf
大小：867.70 KB
文档页数：5

下载文档原格式

《数据科学与大数据通识导论》题库及答案

《数据科学与大数据通识导论》题库及答案1.数据科学的三大支柱与五大要素是什么？答：数据科学的三大主要支柱为：Datalogy (数据学)：对应数据管理 (Data management)Analytics (分析学)：对应统计方法 (Statistical method)Algorithmics (算法学)：对应算法方法 (Algorithmic method)数据科学的五大要素：A-SATA模型分析思维 (Analytical Thinking)统计模型 (Statistical Model)算法计算 (Algorithmic Computing)数据技术 (Data Technology)综合应用 (Application)2.如何辨证看待“大数据”中的“大”和“数据”的关系？字面理解Large、vast和big都可以用于形容大小Big更强调的是相对大小的大，是抽象意义上的大大数据是抽象的大，是思维方式上的转变量变带来质变，思维方式，方法论都应该和以往不同计算机并不能很好解决人工智能中的诸多问题，利用大数据突破性解决了，其核心问题变成了数据问题。

3.怎么理解科学的范式？今天如何利用这些科学范式？科学的范式指的是常规科学所赖以运作的理论基础和实践规范，是从事某一科学的科学家群体所共同遵从的世界观和行为方式。

第一范式：经验科学第二范式：理论科学第三范式：计算科学第四范式：数据密集型科学今天，是数据科学，统一于理论、实验和模拟4.从人类整个文明的尺度上看，IT和DT对人类的发展有些什么样的影响和冲击？以控制为出发点的IT时代正在走向激活生产力为目的的DT（Data Technology）数据时代。

大数据驱动的DT时代由数据驱动的世界观大数据重新定义商业新模式大数据重新定义研发新路径大数据重新定义企业新思维5.大数据时代的思维方式有哪些？“大数据时代”和“智能时代”告诉我们：数据思维：讲故事→数据说话总体思维：样本数据→全局数据容错思维：精确性→混杂性、不确定性相关思维：因果关系→相关关系智能思维：人→人机协同（人 + 人工智能）6.请列举出六大典型思维方式；直线思维、逆向思维、跳跃思维、归纳思维、并行思维、科学思维7.大数据时代的思维方式有哪些？同58.二进制系统是如何实现的？计算机用0和1来表示和存储所有的数据，它的基数为2，进位规则是“逢二进一”，用1表示开，0表示关9.解释比特、字节和十六进制表示。

基于粗糙-遗传算法的入侵检测方法研究

＾
１粗糙集基本概念］
定义１四元组Ｓ（Ａ．ｆ是一个知识表达系＝Ｕ．Ｖ．）
统．中Ｕ表示对象的非空有限集合，其称为论域；＝ＡＣＵ
Ｄ．ＣＮＤ，卸Ｃ称为条件属性集称为决策属性集；ＤＶ
期
（外司留『ｏ１２教２５５７号）０；
ｏＯＥＮＣＲ０９ＭＤＲＯＵＥ２６ＭＴ０Ｐ
力不变的前提下．过知识（性）简得ｆ问题的决通属约ｆ；

是属性的值域；表示ＵＡＶ是一个信息函数，它为ｆ × — 每个对象的每个属性赋予一个信息值；我们将具有条
件属性和决策属性的知识表达系统称为决策表每个属性子集ＰＡ决定了一个二元不可分关系ｉｄＰ：ｎ（１
理论引入到入侵检测中，一般方法更适用于大信息量的网络平台的检测，以快速准确地进行比可
入侵检测。
关键词：传算法；粗糙集；入侵检测遗
引言
随着计算机网络的飞速发展，息已成为推动经信济和社会发展的关键，网络安全也成为人们日益关而心的重要问题。实践证明，统的防火墙和用户身份传认证系统都无法阻止所有的网络攻击及系统内部攻击。入侵检测系统（ｔｓｎＤｔｃｉｙｔＩＳ是一ＩｒｉｅｅｔｎＳｓｍ，）ｎｕｏｏｅＤ种自动检测攻击行为的系统。侵检测方法一般分为入

基于粗糙集的应急案例中概率规则挖掘方法

基于粗糙集的应急案例中概率规则挖掘方法
王宁;刘海园;周雪珂
【期刊名称】《运筹与管理》
【年(卷),期】2018(027)012
【摘要】应急案例作为描述突发事件发生、发展及应对过程的文本,蕴含了潜在的规律与宝贵的经验.为了挖掘应急案例中各要素间潜在的关联关系,构建出基于粗糙集的应急案例中概率规则挖掘方法.首先,构建出应急案例知识五元组,描述应急案例共性特征,并将诸多应急案例信息组织成一张应急案例决策表;然后,应用遗传算法对应急案例决策表进行属性约简,进而获取概率规则;最后,以大兴安岭林区50起重特大火灾案例为例,阐述方法的具体执行过程,并通过两组测试实验证明了方法的可行性和有效性.该方法描述了应急案例的共性本体特征,具有较高的可重用性,有利于为决策者采取应急管理措施提供决策支持.
【总页数】11页(P84-94)
【作者】王宁;刘海园;周雪珂
【作者单位】大连理工大学管理与经济学部,辽宁大连 116024;大连理工大学管理与经济学部,辽宁大连 116024;大连理工大学管理与经济学部,辽宁大连116024
【正文语种】中文
【中图分类】C934
【相关文献】
1.一种基于粗糙集理论的最简规则挖掘方法 [J], 赛煜;王海洋
2.基于粗糙集的关联规则挖掘方法 [J], 贺超波;陈启买
3.基于粗糙集的多维关联规则挖掘方法 [J], 陶多秀;吕跃进;邓春燕
4.基于粗糙集与关联规则的道路运输管理信息数据挖掘方法 [J], 郑晓峰;王曙
5.基于粗糙集的关联规则挖掘方法的研究与应用 [J], 吴陈;李丹丹
因版权原因，仅展示原文概要，查看原文内容请购买。

基于粗糙集和遗传约简算法的入侵检测方法

ＣｏｌｇｆＣｍｐｔｒＳｉｎｅａｄＴｃｎｌｇＣｈｎｑｇＵｎｖｒｉｆＰｓｓａｄＴｌｃｍｍｕｉａｉｎ，ｏｇｉｇ４０６，ｈｎｌｅｏｏｕｅｃｅｃｎｅｈｏｏｙ，ｏｇｉｉｅｓｔｏｏｔｎｅｅｏｅｎｙｎｃｔｓＣｈｎｑｎ００５Ｃｉａｏ
．
ｔａｅｐｏｏｅｍｅｈｄａｏｔｉｏｔｔｎｉｇｒｓｌｏｉｔｓｏｄｔｃｉｎＭｏｅｖｒｔｅｍｐｏｅｈｂｄｅｅｉａｇ — ｈｔｔｒｐｓｄｈｔｏｃｎｂａｎｕｓａｄｎｅｕｔｎｎｒｉｎｅｅｔ．ｒｏｅ，ｈｉｒｖｄｙｒｇｎｔｓｕｏｉｃｌｏｒｔｍａｅｔｒｐｒｏｍａｃｎｔｒｓｏｍｎｎｉ．ｉｈｈｓｂｔｅｆｒｎｅｉｅｅｍｆｎｉｇｔｍｅＫｅｒｓｒｕｈｓｔｉｔｓｏｅｅｔｎｇｅｄｌｏｉｙｗｏｄ：ｏｇｅ；ｒｉｎｄｔｃｉ；ｒｅｙａｇｒｈ；ｅｅｉｌｏｉｍｎｕｏｔｍｇｎｔｃａｇｒｔｈ
Ｅｍａ：ｅａ７７７ａｏ．ｍ．－ｉｋｙ７７７＠ｙｈｏｃｃｌｏｎ
ＹＩＺｈｅ。Ｗｅ－ｈｅ．ｎｔｕｓｏＬＩｉｓｎｇＩｒｉｎｄｅｅｔｏｔｃｉｎｍｅｈｏｔｄｂａｓｄｏｒｕｇｈｅａｅｎｏｓｔｎｄｇｅｔｃｅｎｅｉｒｄｕｃｉａｌｒｔｔｏｎｇｏｉｈｍ．ｏｐｕｔｒＣｍｅＥｎｇｉ —

一种基于遗传算法的粗糙集属性约简算法

广
。
属性子集ｃｃ，，Ｄ之间，ｃ和
ｃｕＤ，＝｛，，Ｃ｝ＣＣＣ …，为条件属性集，＝｛｝Ｄｄ为决策属性，ｃ和Ｄ均为Ａ的子集，＝；＝ｃｎＤＶｕ，表示属性ａ的值域：Ｕ×Ａ为Ｕ和Ａ的关系集，是一个信息函数。每一个属性子集ＰＡ决定
２遗传约简算法
个个体的适应度值Ｆｘ）ｉ，，１）（（＝ｌ２ …，，这个值７，
，＾、．
就是评价值。
（）计算被选择染色体的概率ｇ３＝
ｉ：ｌ
．１，
遗传算法是一种基于生物进化论的全局搜索方法，包括五个因素：编码、产生初始群体、确定适应度函数、确定遗传算子和设定控制参数。遗传约简算法就是一种利用遗传算法来求解决策系统中最小约简
。Ｌ０（）＝ａ（）０ｚｌ
遗传约简算法描述如下：
其中：）和口（ｊ分别表示对象和的第个ａ（ｕ）属性值，Ｚ＝１２ … ，；，，ｋｉ＝１２，；，… ｎ＝１２，类似，… 。地，以得到整个矩阵。如果决策表系统的核存可
１４．定义４
有效、鲁棒性强的全局搜索方法，可以解决ＮＰ完全问题［。基于此，本文提出了一种基于遗传算法的３］
属性约简算法，从而快速获得屙眭的最小约简。１粗糙集的基本概念Ｈ
１１定义１．
于Ｒ的负区域是ＮＧ（ＥＲ）＝Ｕ— （；对于Ｒ的）相

粗糙集结合遗传算法在数据挖掘中的应用

构建如下：
０
归。（）３决策树，它提供了一种展示类似在什么条件下会得到什么值这类规则的方法。决策树的基本组成部分是决策节点、分支和叶子。（）则推导，统计意义上对数据中的４规从 “ 如果—那么” 规则进行寻找和推导。
的指导下进行合理的抽样；多元统计分析： ② 因子分析，聚类
分析等。（）２神经网络，为解决大复杂度问题提供了一种它相对来说比较有效的简单方法，可以很容易的解决具有上百个参数的问题（际生物体中存在的神经网络要比程序模拟实的神经网络复杂得多）。神经网络常用于两类问题：分类，回
１粗糙集与遗传算法
粗糙集（ｏｇｅ，Ｓ作为一种全新的数学概念，ＲｕｈＳｔＲ）为处理具有不完整、不一致及不确定性特征的信息提供了新的有效工具，目前主要用于知识的约简和知识依赖性的分析，在医疗诊断、模式识别、专家系统、机器学习、数据挖掘等领域获得
广泛应用ＪＳ的主要特点之一是无须提供问题所需处理。Ｒ
１）数据准备
ＩＯｒｇＦＡｄｄＦｌＤｅｓｔＡＦＳＦｕＩＤｅ１ｉｒＴＦＳＦＶｅｅｒｃ、ＣＰＩＦＡａＦＲ【ｒｅ
０１８６３１４２０２０／２２１Ｔ￣００１７０５３００５０／ｂＵＳ，ｉ３５８１０５５００５０／ＯＴ１１１２ｆ３４９２０２０／２２１３ＵＳ１Ｏ１７０５１４２０２０／２２０１８６３３００５０／ｂ｛１Ｔ＾ＵＳｊ０６６０５６００５０／ｂ｛１Ｔ＾０１８６ｆ３４１０２０／２２２ＵＳ０４８８１６８０ｆＯ５Ｏ／ＺＥｂｊ１３９９（０９０２０２Ｏ／２２Ｔｊ３３８３８５２０２０／２２１５ＵＳ９５５０５８００５０／３】Ｔ＾１１１８６３３００５０／ｂ｛１Ｔｌ０Ｏ１７０５１４２０２０／２２１１ＵＳ０１８６３３００５０／ｂ１Ｔ＾Ｏ１７０５１４２０２０／２２ｊＵＳ

基于粗糙集和遗传算法的神经网络模型研究

２．ＣｏｌｇｆｍｐｔｒｃｅｃｎｎｉｅｒｇｏｔｈｎｉｅｓｆｅｈｏｏｙＧｕｎｚｏ６Ｃｈｎ；ｌｅｏｅＣｏｕｅｉｎｅａｄＥｇｎｅｉ，ＳｕｈＣｉａＳｎＵｎｖｒｉｏｃｎｌｇ，ｙｔＴａｇｈｕ５４，１ａｔｎｈｎｉｇｒａＵｉｅｓ，Ｚａｊｎ４８ｈｎ）．ｅｃｉｇＴｃｎｌｙｐｒｔｏＤｍｅ，ＺａｊｎｍｌｎｖｒｉａＮｏｙｔｈｉｇ２０，Ｃｉｎａ５４ａ
Ａｂｔａｔｓｒｃ：Ａｅｒｌｅｗｏｋｍｏｅａｅｎｒｕｈｓｔｈｏｙａｄｇｎｔｌｏｔｍｄｉｏｅｉｇｗａｒｒｐｏｅ．ｉｓ，ｈｔｉｕｅｎｕａｔｒｄｌｓｄｏｇｅｒｎｅｅｉａｇｒｈａｓｄｌｙａｅｏｓｄＦｒｔｔｅａｔｂｔｓｎｂｏｅｔｃｉｎｔｍｎｐｒｒｅｕｅｓｏｇｅｅｒａｅｒｄｃｄｕｉｇｒｕｈｓｔｈｏ；ｔｅｈＰｎｔｒａａｔｒａｅｏｔｉｅｓｇｔｅｇｎｔｌｏｔｍｓｉａｌａｒｅｎｔｅｎｔｙｈｎｔｅＢｅｗｏｋｐｍｅｅｐｉｚｄｕｉｅｅｉａｇｒｈ；ｆｌｃｒｉｓｏｒｒｍｎｈｃｉｎｙｈｔｉｎｇｂｅｒｄｃｉｎｒｓｌｄｔｅｏｔｚｄＢＰｎｔｏｋｐａｅｅ．ＴｅｓｕａｉｎｅｐｒｍｅｔｌｅｕｔｈｗｓｔａｅｍｏｅａｒｎｉｙｔｅｕｔｅｕｔａｐｉｅｅａｈｏｓｎｈｍｉｗｒａｍｔｒｈｉｌｔｘｅｒｍｏｉｎａｓｌｓｏｈｔｈｄｌｎｒｔＣｓｉｌｙｔｅｎｔｏｋｔｉｉｇｓｐｅｐｉｚｅｎｕａｅｏｋｓｒｃｕｅａｄｅｈｎｅｔｅｓｓｍｔｄｆｃｅｃｄｔｅｐｅｉｉｎｍｐｉｅｆｈｗｒａｎａｌ，ｏｔｒｎｍｍｉｅｔｅｌｔｒｔｕｔｒｎａｃｙｔｓｕｙｅｉｎｙａｒｃｓｏ．ｈｒｎｗｎｈｅｉｎｈｈｓＴｉｍｅｏｆｅｔｅｅｓｂｅａｄｈｓｔｅｔｅｒｉｎｆａｃｄｔｅｐａｔａａｕ．ｔｄｉｅｃｉ，ｆａｉｌａｏｓｇｉｃｈｓｖｎｈｈｙｉｎｅａｒｃｉｌｌｅｎｈｃｖＫｅｒｓｎｕａｅｏｋｏｇｅ；ｒｄｃｏ；ｇｎｔｌｏｔｍ；ｏｔｚｔｎｙｗｏｄ：ｅｒｌｔｒ；ｒｕｈｓｔｅｕｔｎｅｅｃａｇｒｈｎｗｉｉｉｐｉａｉｍｉｏ

基于邻域粗糙集与量子遗传算法的人脸表情特征选择方法

ｏｎＣｏｈｎ－ＫａｎａｄｅｅｘｐｒｅｓｓｉｏｎｄａｔａｓｅｔｉｌｌｕｓｔｒａｔｅｔｈａｔｔｈｅＦＳＮＲＳＴＱＧＡｍｅｔｈｏｄｉｓｅｆｆｅｃｔｉｖｅ．
ＦＥＮＧＬｉｎ，ＬＩＣｏｎｇ，ＳＨＥＮＬｉ
（ＣｏｌｌｅｇｅｏｆｏｍｐＣｕｔｅｒＳｃｉｅｎｃｅ，ＳｉｃｈｕａｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１００６８，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｆａｃｉａｌｅｘｐｒｅｓｓｉｏｎｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎｉｓｏｎｅｏｆｔｈｅｈｏｔｉｓｓｕｅｓｉｎｔｈｅｆｉｅｌｄｏｆｆａｃｉａｌｅｘｐｒｅｓｓｉｏｎｒｅｅ —
第３６卷第１期
２０１３年１月
合肥工业大学学报（自然科学版）
ＪＯＵＲＮＡＬＯＦＨＥＦＥＩＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹ
Ｖｏ１．３６Ｎｏ．１
Ｊａｎ．２０１３
Ｆａｃｉａｌｅｘｐｒｅｓｓｉｏｎｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｎｅｉｇｈｂｏｒｈｏｏｄ
ｒｏｕｇｈｓｅｔｔｈｅｏｒｙａｎｄｑｕａｎｔｕｍｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ

粗糙集理论中的属性约简方法介绍

粗糙集理论中的属性约简方法介绍粗糙集理论是一种用于处理不确定性和模糊性问题的数学工具，它在数据挖掘、机器学习和模式识别等领域得到了广泛应用。

属性约简是粗糙集理论中的一个重要概念，它能够帮助我们从大量的属性中找到最为重要的属性，减少数据处理的复杂性。

本文将介绍粗糙集理论中的一些常用属性约简方法。

1. 正域约简方法正域约简方法是粗糙集理论中最为常用的一种属性约简方法。

其基本思想是通过比较不同属性对决策类别的区分能力，来确定最为重要的属性。

具体步骤如下：首先，计算每个属性与决策类别之间的依赖度，依赖度越大表示属性对决策类别的区分能力越强。

然后，根据依赖度的大小进行排序，选择依赖度最大的属性作为初始约简。

接下来，逐步添加其他属性，并计算约简后的属性集对决策类别的依赖度。

如果添加属性后的依赖度没有显著提高，则停止添加，得到最终的约简属性集。

2. 相关属性约简方法相关属性约简方法是一种基于属性之间相关性的约简方法。

它通过计算属性之间的相关系数或互信息量来评估属性之间的相关性，并选择相关性较低的属性进行约简。

具体步骤如下：首先，计算属性之间的相关系数或互信息量。

然后，根据相关系数或互信息量的大小进行排序，选择相关性较低的属性作为初始约简。

接下来，逐步添加其他属性，并计算约简后的属性集的相关系数或互信息量。

如果添加属性后的相关性没有显著提高，则停止添加，得到最终的约简属性集。

3. 基于粒计算的约简方法基于粒计算的约简方法是一种基于粒度理论的属性约简方法。

它通过将属性集划分为不同的粒度，来减少属性的数量。

具体步骤如下：首先，将属性集划分为不同的粒度。

每个粒度包含一组相关性较高的属性。

然后，选择每个粒度中最为重要的属性作为初始约简。

接下来，逐步添加其他粒度，并计算约简后的属性集的重要性。

如果添加粒度后的重要性没有显著提高，则停止添加，得到最终的约简属性集。

4. 基于遗传算法的约简方法基于遗传算法的约简方法是一种基于进化计算的属性约简方法。

一种基于粗糙集和层次分析法的综合评价方法研究

ｅａｃｙｒｅｓ（ｏｏｔＡＰ，ｏｓｕｔｎｏｊｃｖｄｍｎｍｔｘｉｉｔｇｅｔｅｅｅｄｎｅａｏｇｔｉｔｓｙｒｒｏｓｆｓｒ，Ｈ）ｃｎｔｃｄａｂｔｅｕｇｅｔａｒｄｃｉｌｉｐｎｅｃｍｎｔｂｅｈｐｃｒｈｒｅｅｉｊｉｎａｎｒａｖｄａｒｕｂ
叶军，王磊
（昌工程学院计算机科学与技术系，南昌３０９南３０９Ｊ
摘
要：为了改进由层次分析法中的主观判断矩阵所引起的评价结果准确度的不足，借助于粗糙集理论中的属
性依赖度定义，构造出属性间相对依赖的客观判断矩阵，此基础上将该客观判断矩阵和层次分析法中的主观在判断矩阵相结合，出了一种先确定组合判断矩阵，提然后通过计算组合判断矩阵的权重来进行决策的新方法。算例表明该方法能提高决策的准确度，因而是有效和可行的，并且易于在实际应用中推广。
ＲｅｅｒｈｏｏｒｈｎｉｅｅａｕｔｎｍｅｈｄｓｖｖｌａｉｔｏａｅｎｒｕｈｓｔａｄＡＨＰｏ
ＹＥＪｎｕ．ＷＡＮ（ｅＬｉ
ｃｌｉｅｗｉｔｆｈｏｉａｒｌｕｇｅｔａｒｈｈｗｓｏｅｙｃｍｉｉｇｈｂｅｔｅｕｇｅｔａｘａｄｔｅｕｔｇｔｅｈｏｔｃｍｂｔｉｄｍｎｍｔｘｉａｒｄｂｏｂｎｅｏｊｃｖｄｍｎｍｔｎａｎｈｇｅｎｏａｊｉｗｃｆｍｎｔｉｊｒｉｈｓｂｅｔｅｕｇｅｔａｉｏＡＰＦｎｌ，ｎｅａｐｅｓｇｅｔｔｅｈｇｅｄｃｉｃｕａｙｆｓｉｔａｄｅｅｔｅｅｓｆｕｊｃｖｄｍｎｍｔｘｆＨ．ｉａｙａｘｍｌｕｇｓｉｒｅｉｏａｃｒ，ｅｉｌｙｎｆｃｉｎｓｏｉｊｒｌｓｈｈｓｎｃａｂｉｆｖ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

｛：
（４）
ｆ，（一Ｆ）／（Ｐｍ一）Ｆ ≥
Ｐ＝｛［ｃ０，ｃ１），［ｃｌ，ｃ２）， …，［ｃ，ｃ＋１】ｊ
对于任意的Ｐ＝ＵＰ在原有决策系统的基础上，
可定义一个新的决策表Ｓｅ＝（（，，Ａ，）。对于Ｖｘ∈Ｕ，
１）利用式（１），计算知识表达系统：（，Ａ，Ｖ厂）中，条件属性Ｃ对决策属性Ｄ的支持度ｋ，？（Ｄ）。２）假设ｃｏｒｅ（Ｃ）＝，对于每一个条件属性Ｃ ∈Ｃ，利用式（３）计算其对决策属性Ｄ的重要性ｓ｝ｅ）。
识约简问题的实际要求，定义个体的适应值函数
Ｆ（ｘ）为
式中：ｃ为条件属性集Ｃ中的一个元素；ｓ锄１ｃ）为ｃ对决策属性集Ｄ的重要性。
１．２基于布尔逻辑的属性离散化算法
）＝（１一］针）
决策属性Ｄ的支持度ｋ（Ｄ）定义为
耻（１）
若ｓ
１（ｃ） ≠０，则令ｃｏｒｅ。（Ｃ）＝ｃｏｒｅ。（ｃ）Ｕ｛ｃ｝，最终
．
得到Ｃ对Ｄ的相对核。当ｋｃｏｒｅ（Ｄ）（Ｄ）时，ｃｏｒｅ。（Ｃ）（￣）即为最小约简；否则ｋｃｏｒｅ（ｚ））（Ｄ），执行步骤３）。（Ｃ）
一
个个体与相对最小约简的一个可能结果相对应。利
ｃｏｒｅ。（ｃ）＝｛ｃ ∈ ｃｌｓ｝ｃ）＞ｏ｝
其中ｓ｛）（Ｃ）＝ｃ（Ｄ）一｛｝（Ｄ）
（２）
（３）
用适应值函数对个体位串的适应性进行评价根据知
ｆｋ。（Ｆｍａｘ－Ｆ）／（一） ≥
对于Ｖａ ∈ Ａ，在其值域＝ｆｌａ，ｒａ］上设定ｎ个断
点ｃＪ，ｃ２， …，ｃ，其中，ｆ：ｃ０＜ｃｌ＜ｃ２＜ …＜ｃ＜ｒａ：－ｃ，ｌ＋】。利用这些断点可定义值域上的一个分类：
称Ｑ是Ｃ的一个Ｄ约简。条件属性Ｃ中所有Ｄ必要的原始属性构成的集合，称为Ｃ的Ｄ核，简称相对核，
记为ｃｏｒｅＤ（Ｃ）。
３）由随机产生的ｍ个长度为Ｉｃｆ的二进制串所
代表的个体组成初始种群，作为训练样本，其中每个个体的每一位对应一个条件属性。为了加快算法的收敛．将相对核加入到初始种群中，亦即将个体中核内属性的对应位取值为１，否则随机取值为０或ｌ，从而使每
４）利用轮盘赌方法选择种群中的个体，根据交叉
最小数目的断点。对所有实例间的不可分辨关系进行
区分。
概率Ｐ．和变异概率Ｐ产生新一代群体，变异时保持核属性对应的基因位不发生变异。其中，交叉概率Ｐ和变异概率Ｐ分别为
ａ＞Ｏ；ｓｕｐ（）为支持度；ｓｕｐ。为预设的支持度。
（为函数求解过程中设定的系数，
布尔逻辑与粗糙集理论相结合的离散化算法，是
在不改变信息系统不可分辨关系的前提下，尽可能以
ｏ
式中：ＩＩ表示集合中元素的个数；ｐｏｓ）为Ｄ的ｃ正
域，是所有根据分类Ｕ／Ｃ的信息，可以准确划分到关
系Ｄ的等价类中的对象集合。对于集合Ｑ（Ｑ＿ｃ）ｃ，如果ｐｏｓＤ（Ｄ）＝ｐｏｓ（Ｄ），则
Ｐ … ～＝｛【
ｋ
（７）
式中：，ｋ，，ｋ均为［０，１１的随机数；
为群体中
令ｉ＝０，１，２， …，ｎ，当ｆ（ｘ，ａ） ∈［ｃ，Ｃ］时（，口）＝，此
即离散化处理后形成的新信息系统。这个新系统有助于在后续的工作中得出更有效的规则，进而加强了对未知对象的识别能力。１．３基于遗传算法的粗糙集属性约简
第２１卷第２期
李铁军，等．基于粗糙集与遗传算法的储层识别技术
ｌ９７
∈Ｕ，存在厂（，ａ） ∈Ｖ。
１．１．２属性约简
决策属性的支持度较高。由此确定约简算法的具体步
骤为：
属性约简是粗糙集理论的核心内容．其在保持知识分类能力不变的条件下，删除知识表达系统中不相关或不重要的属性，从而有助于快速作出正确的决策。属性约简的基础是属性间的相互关系。条件属性Ｃ对

遗传算法在多目标优化的应用：公式,讨论,概述总括

页数:9
基于遗传算法的多目标优化方法概要

页数:1
设计研究生作业_基于遗传算法优化多元多目标函数的MATLAB实现

页数:8
基于遗传算法的多目标问题求解方法

页数:8
研究生作业_基于遗传算法优化多元多目标函数的MATLAB实现

页数:8
基于改进的遗传算法的多目标优化问题研究

页数:3
遗传算法与多目标优化选编

页数:43
遗传算法与多目标优化

页数:41
多目标遗传算法中文【精品毕业设计】(完整版)

页数:8
研究生作业_基于.遗传算法优化多元多目标函数的MATLAB实现

页数:8