Перевод названия: ГИБРИДИЗАЦИЯ ЛОКАЛЬНОГО СПУСКА С САМОКОНФИГУРИРУЕМЫМ АЛГОРИТМОМ ГЕНЕТИЧЕСКОГО ПРОГРАММИРОВАНИЯ ДЛЯ АВТОМАТИЧЕСКОГО ГЕНЕРИРОВАНИЯ НЕЧЕТКИХ КЛАССИФИКАТОРОВ
Тип публикации: статья из журнала
Год издания: 2015
Ключевые слова: genetic programming algorithm, self-configuration, fuzzy classifier, local search on discrete structures, алгоритм генетического программирования, самоконфигурация, нечеткий классификатор, локальный поиск на дискретных структурах
Аннотация: A fuzzy classifier is one of the intelligent information technologies allowing the generation of a fuzzy rule base suitable for interpretation by human experts. For a fuzzy classifier automated design the hybrid self-configuring evolutionary algorithm is proposed. The self-configuring genetic programming algorithm is suggested for Показать полностьюthe choice of effective fuzzy rule bases. For the tuning of linguistic variables the self-configuring genetic algorithm is used. A hybridization of self-configuring genetic programming algorithms (SelfCGPs) with a local search in the space of trees is fulfilled to improve their performance for fuzzy rule bases automated design. The local search is implemented with two neighborhood systems (1-level and 2-level neighborhoods), three strategies of a tree scanning (“full”, “incomplete” and “truncated”) and two ways of a movement between adjacent trees (transition by the first improvement and the steepest descent). The Lamarckian local search is applied on each generation to ten percent of best individuals. The performance of all developed memetic algorithms is estimated on a representative set of test problems of the functions approximation as well as on real-world classification problems. It is shown that developed memetic algorithm requires comparable amount of computational efforts but outperforms the original SelfCGP for the fuzzy rule bases automated design. The best variant of the local search always uses the steepest descent and full scanning for fuzzy classifier design. Additional advantage of the approach proposed is a possibility of the automated features selection. The numerical experiment results show the competitiveness of the approach proposed. Нечеткие классификаторы являются одним из видов интеллектуальных информационных технологий, использующих базы нечетких правил, которые могут быть легко интерпретированы человеком-экспертом. При автоматическом создании нечетких классификаторов в данной работе используются самоконфигурируемый алгоритм генетического программирования для генерирования баз правил и самоконфигурируемый генетический алгоритм для настройки лингвистических переменных. Рассматриваются самоконфигурируемый алгоритм генетического программирования для автоматического генерирования баз правил для нечетких классификаторов и локальный спуск по деревьям, представляющим собой базы правил. Для локального спуска по дереву представлено два способа перехода между деревьями (переход по первому улучшению и наискорейший спуск), две системы окрестностей (1-соседняя и 2-соседняя окрестности) и три стратегии просмотра этих систем окрестностей («полный», «неполный» и «усеченный» просмотры). В ходе работы было выполнено сравнение эффективности всех вариантов выполнения локального спуска по дереву. Эффективность всех предложенных алгоритмов оценивалась на репрезентативном множестве тестовых задач и на двух реальных практических задачах классификации. По результатам тестирования можно сделать вывод, что локальный спуск, производящий полной просмотр 2-сосденей системы окрестностей, продемонстрировал лучшую эффективность и существенно повысил эффективность самоконфигурируемого алгоритма генетического программирования для автоматического генерирования нечетких классификаторов. Данный гибридный алгоритм почти всегда превосходит лучший для конкретной задачи вариант алгоритма генетического программирования, что позволяет полностью отказаться от выбора его наиболее эффективного варианта настроек. При решении реальных задач анализа данных гибридный алгоритм продемонстрировал лучший результат среди всех рассмотренных альтернатив.
Журнал: Вестник Сибирского государственного аэрокосмического университета им. академика М.Ф. Решетнева
Выпуск журнала: Т. 16, № 1
Номера страниц: 113-118
ISSN журнала: 18169724
Место издания: Красноярск
Издатель: Федеральное государственное бюджетное образовательное учреждение высшего образования "Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева"