典型文献
粗糙集多目标并行属性约简算法
文献摘要：
粗糙集理论(RST)中,求解最小属性约简MAR(minimal attribute reduction)是一种NP-难(non-deterministic polynomial hard)组合优化问题.蚁群优化算法ACO(ant colony optimization)是进化算法中的一种启发式全局优化算法,粗糙集理论与ACO相结合,是求解属性约简的一种有效、可行的方式.针对蚁群优化算法易于陷入局部最优解、收敛速度慢等问题,首先以一种改进的信息增益率作为启发信息,提出了冗余检测机制,对每个被选属性和每代最优约简集合进行冗余检测,并提出了概率提前计算机制,可避免每只蚂蚁在搜索过程中相同路径上的信息反复计算;针对大数据集的属性约简问题,考虑到蚁群优化算法具有并行能力以及粗糙集中"等价类"计算的可并行性,提出一种将ACO与云计算相结合用于求解大数据集的属性约简算法,在此基础上,进一步提出一种多目标并行求解方案.该方案可以同时计算出其余属性相对于当前属性或约简集合的重要度.实验结果表明,该算法在处理大数据的情况下能够得到最小属性约简,计算属性重要度的时间复杂度由O(n2)降至O(|n|).
文献关键词：
蚁群优化;属性约简;粗糙集;云计算
中图分类号：
作者姓名：
危前进;魏继鹏;古天龙;常亮;文益民
作者机构：
广西可信软件重点实验室桂林电子科技大学, 广西 桂林 541004;桂林电子科技大学 计算机与信息安全学院, 广西 桂林 541004
文献出处：
引用格式：
[1]危前进;魏继鹏;古天龙;常亮;文益民-.粗糙集多目标并行属性约简算法)[J].软件学报,2022(07):2599-2617
A类：
B类：
属性约简,简算,粗糙集理论,RST,MAR,minimal,attribute,reduction,NP,deterministic,polynomial,hard,组合优化问题,蚁群优化算法,ACO,ant,colony,optimization,进化算法,启发式,全局优化,局部最优解,收敛速度,速度慢,先以,信息增益率,启发信息,冗余检测,检测机,计算机制,蚂蚁,同路,反复计算,等价,并行性,时计,属性重要度,时间复杂度,n2
AB值：
0.372228
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
