遗传算法中基于规则的分类器编码长度研究

摘要：

遗传学为基础的机器学习使用遗传算法作为学习机制，设计以规则为基础的分类系统，通过训练数据集来实现类别的精确描述。针对遗传算法编码没有统一标准的问题，研究基于规则的分类器个体特征编码长度与分类准确率以及效率之间的关系，通过概率逼近分析个体特征编码长度对分类准确率的影响，利用迭代步骤数的数学期望计算方法，计算遗传算法分类器的分类效率。实验结果证明，遗传算法在密西根编码条件下，个体特征编码长度越长，分类器的分类准确率越高、收敛速度越慢。

关键词：遗传算法、分类规则、遗传算法编码、学习分类器系统、离散数据、连续数据

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2013-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：178-182