基于单亲遗传算法的实例特征权值确定方法

张铭璐

摘要：在实例推理中，关键是通过匹配得到相似实例，而计算实例之间相似度时，实例的特征权值的确定尤为重要，决定了是否能够得到最优实例。基于此，提出了一种基于单亲遗传算法的实例特征权值确定方法，首先利用专家经验得到初始权值组合，该组合能够最好的代表可行解，在此基础上应用单亲遗传算法对初始权值组合进行优化，确定每个特征的权重。将该特征权值确定方法应用到钻井液配方设计项目中，并与传统方法进行比较，得出该权值确定方法可以得到较好的效果。

关键词：实例推理；相似度；特征权值；专家经验；单亲遗传算法

1概述

基于实例推理是一种人工智能技术，这种技术利用以往解决问题的经验，能有效解决利用其他技术难以解决的问题，并且具有自学习功能，能够不断扩展知识库，提高推理能力。基于实例推理技术包括实例描述、实例匹配、实例修改和实例保存四个部分，其中实例匹配尤为重要，它是根据所提出的问题，从实例库中检索出与当前问题相似的实例，并提取相似度最高的实例作为解决当前问题的最优实例。因此，相似度的计算及其特征权值的确定尤为重要，决定了是否能够得到最优的符合实际的实例。

在运用传统遗传算法对权值组合进行优化时发现，PMX、OX、Cx等交叉算子实施起来非常困难，并且要求种群具有多样性，容易在最优解附近出现“早熟收敛”现象。鉴于这种原因，在本文中使用了一种基于单亲遗传算法的实例特征权值确定方法，该方法可以针对实际要解决的问题优化单亲遗传算法的运行步骤，进而得到最优的实例特征权值组合，使得该组合不仅能够很好的符合实际条件，并且具有较高的精确度。

2单亲遗传算法

2.1单亲遗传算法概述

单亲遗传算法介绍（PGA）时遗传算法的一种，它对传统的遗传算法进行了改进，取消了传统遗传算法的交叉算子，全部遗传操作都只是在一个个体上进行，不会出现“早熟收敛”现象。并且操作步骤简单，能方便约束条件的处理，提高算法的计算效率。目前单亲遗传算法主要应用于以下两方面问题：一是组合优化问题；另一是有约束的复杂工程优化问题。

单亲遗传算法的编码方式主要包括序号编码和非序号编码，解决组合优化问题主要采用序号编码方式，复杂工程优化问题的求解通常采用实数编码方式。该算法对所求问题的数学模型没有较高要求，可行域连通，目标函数都不做要求，只要待求解问题是可以计算的，因此在求解有约束的复杂工程优化问题上有更多的应用。

2.2单亲遗传算法运行步骤

单亲遗传算法采用不同的运行步骤或运行过程可能会产生不同的计算效率，一般而言，我们所采用的步骤如下所示：

f1）编码，根据所求解的具体问题确定一种编码方式。

（2）确定个体的评价函数，即适应度函数，适应度函数是判断各个个体达到最优解的程度，适应度越高则被采用的概率较大。

（3）产生初始群体，初始群体的准确性能极大地提高搜索效率。

（4）评价初始群体中的各个个体，计算适应度。

（5）繁殖新个体。对上一代群体中的个体进行遗传操作产生新个体。

（6）评价新个体。若满足停机条件则停机，否则转下一步。

（7）选择下一代群体。从上一代群体中的个体和本次遗传操作所产生的新个体中选择N（N为群体规模）个个體构成下一代群体，转（5）。

3实例特征权值确定方法

3.1专家经验确定初始权值组合

在利用单亲遗传算法进行计算时，初始群体，即初始权值组合的确定尤为重要。原则上希望该组合能够最好的代表可行解的组合，这样在后续进行迭代优化时能够提高结果的准确性，缩短迭代时间。而通过专家经验得到的初始特征权值组合可以很好地满足上述条件。

不管在哪个领域，总有专家学者不仅对该领域知识有着全面深入的研究，还积累了丰富的经验，由他们对实例中已经定好的每个特征权值进行确定，可以确保和实际情况相符。但是由专家直接确定各特征权值有着权值不能很好量化的缺点，因此，可以将这组权值作为初始权值组合，然后应用单亲遗传算法进行优化。