21、模式识别算法中的模块化粗糙模糊多层感知器

模式识别算法中的模块化粗糙模糊多层感知器

1. 进化设计

1.1 染色体表示

问题变量包含权重值以及输入/输出模糊化参数。每个权重被编码为16位的二进制字，其中 [000...0] 解码为 -128， [111...1] 解码为128。为每个权重分配一个额外的位，用于指示链接的存在或缺失。

模糊化参数方面，针对每个特征的低、中、高语言属性，调整其中心（c）和半径（λ），以及输出模糊器fd和fe。这些参数同样被编码为范围在 [0, 2] 的16位字符串。对于输入参数， [000...0] 解码为0， [111...1] 解码为训练集中对应特征所达到的最大值的1.2倍。

染色体是通过将上述所有字符串连接而得到的。对于规模合理的网络，字符串长度的样本值约为2000位。初始种群是通过对基于粗糙集的知识编码得到的网络进行编码，并对其进行随机扰动而生成的，种群大小设定为64。

1.2 交叉操作

由于字符串长度较大，单点交叉的效果不佳，因此采用多点交叉。两个交叉点之间的距离是一个介于8到24位之间的随机变量，这样可以确保在编码单个权重的字内只有一个交叉点出现的概率较高。交叉概率固定为0.7。

1.3 变异操作

搜索字符串非常大，变异对搜索的影响比交叉更大。字符串中的每个位都有一定的变异概率（pmut），该概率具有时空变化。pmut随迭代的变化情况如图所示，其最大值设定为0.4，最小值设定为0.01。

变异概率在编码字