基于量子蚁群算法的粗糙集属性约简方法

doi:10.3969/j.issn.1007130X.2010.

J4 ›› 2010, Vol. 32 ›› Issue (5): 82-84.doi: 10.3969/j.issn.1007130X.2010.

基于量子蚁群算法的粗糙集属性约简方法

袁浩

（重庆邮电大学电子商务与现代物流实验室，重庆 400065）

收稿日期:2009-11-15 修回日期:2010-02-09 出版日期:2010-04-28 发布日期:2010-05-11
通讯作者: 袁浩 E-mail:yln2446@21cn.com
作者简介:袁浩（1970），男，重庆人，硕士，讲师，研究方向为计算机网络和信息安全。
基金资助:
重庆市科委自然科学基金资助项目(2009BB2288)

A Rough Set Attribute Reduction Method Based on the Quantum Ant Colony Algorithm

YUAN Hao

（Laboratory of Electronic Commere and Modern Logistics,
Chongqing University of Post and Telecommunications,Chongqing 400065,China）

Received:2009-11-15 Revised:2010-02-09 Online:2010-04-28 Published:2010-05-11
Contact: YUAN Hao E-mail:yln2446@21cn.com

摘要/Abstract

摘要：

针对蚁群算法求取属性约简中存在的迭代次数多、收敛较慢甚至得不到最小约简的问题，提出了基于量子蚁群算法的粗糙集属性约简的方法。每只蚂蚁携带一组表示蚂蚁当前位置信息的量子比特；采用量子旋转门完成蚂蚁的移动；采用量子非门实现蚂蚁所在位置的变异。实验证明，该算法能快速有效地求解属性约简，同时又能找到许多次最小约简。可以很好地解决这一难题，它不仅能得到最小约简属性集，而且可以得到很多的约简属性集。

关键词: 属性约简, 粗糙集, 量子蚁群, 蚁群算法

Abstract:

As for the ant colony algorithm for attribute reduction which has the problems such as many iterationss, slow convergence obtaining no smallest reductions, this paper proposes the quantum ant colony for rough set attribute reduction. Each ant carries a group of ants which represent the current location information of quantum bits, uses quantum revolving doors to complete the ant movement,and uses quantum gates to realize the nonant variation of the location. The experiments show that the algorithm can quickly and efficiently solve attribute reduction, and find the smallest reduction. It not only can get the smallest reduction attribute set, but also get a lot of reduction attribute set.

Key words: attribute reduction;rough set;quantum ant colony;ant colony algorithm

中图分类号:

TP18

袁浩. 基于量子蚁群算法的粗糙集属性约简方法[J]. J4, 2010, 32(5): 82-84.

YUAN Hao. A Rough Set Attribute Reduction Method Based on the Quantum Ant Colony Algorithm[J]. J4, 2010, 32(5): 82-84.

编辑推荐

Metrics

阅读次数

全文

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	48

来源	本网站	其他网站

次数	31	17
比例	65%	35%

摘要

最新录用	在线预览	正式出版

0	0	63

	来源	本网站

	次数	63
	比例	100%

[1]	乔珍, 尹传忠, 仇鑫. 基于改进蚁群算法的长航程无人船路径规划[J]. 计算机工程与科学, 2024, 46(10): 1835-1842.
[2]	肖振国, 陈林书, 孙少杰, 梅本霞, 柳媛慧, 赵磊. 基于代数粒的聚类方法[J]. 计算机工程与科学, 2024, 46(01): 150-158.
[3]	顾楚梅, 曹建军, 王保卫, 徐雨芯, . 基于蚁群参数优化的LightGBM辐射源个体识别[J]. 计算机工程与科学, 2023, 45(01): 85-94.
[4]	赵广元, 赵英. 基于改进蚁群优化算法的养殖场机器人路径规划[J]. 计算机工程与科学, 2022, 44(05): 910-915.
[5]	刘雨青, 向军, 曹守启. 基于改进蚁群算法的水下自主航行机器人路径规划[J]. 计算机工程与科学, 2022, 44(03): 536-544.
[6]	骆公志, 陈佳馨. 多源覆盖信息系统下的加权广义多粒度粗糙集模型及其应用[J]. 计算机工程与科学, 2021, 43(12): 2231-2237.
[7]	胡平志, 李泽滔. 基于改进蚁群算法的四足机器人步态规划[J]. 计算机工程与科学, 2021, 43(12): 2253-2262.
[8]	李雨晨, 魏巍, 白伟明, 王达. 基于标签共现关系的多标签特征选择[J]. 计算机工程与科学, 2021, 43(11): 2049-2055.
[9]	宋阿妮, 包贤哲. 精英扩散蚁群优化算法求解运输无人机三维路径规划[J]. 计算机工程与科学, 2021, 43(10): 1891-1900.
[10]	姜春茂, 刘安鹏. 三支决策视角下的属性约简加速方法[J]. 计算机工程与科学, 2020, 42(12): 2280-2286.
[11]	王虹, 李敏赢. 局部广义多粒度粗糙集[J]. 计算机工程与科学, 2020, 42(08): 1463-1471.
[12]	马贵平, 潘峰. 基于改进蚁群算法的物流运输路径研究[J]. 计算机工程与科学, 2020, 42(03): 523-528.
[13]	曹新亮, 王智文, 冯晶, 查敏, 王宇航. 基于改进蚁群算法的机器人全局路径规划研究[J]. 计算机工程与科学, 2020, 42(03): 564-570.
[14]	张卫祥，齐玉华，魏波，张敏，窦朝晖. 基于蚁群算法的测试用例优先排序[J]. 计算机工程与科学, 2020, 42(02): 241-249.
[15]	喻小惠1，张晶1,2，陶涛3，龚力波4，黄云明1，傅铁威1. 基于蚁群策略的无线传感器网络能耗均衡分簇算法[J]. 计算机工程与科学, 2019, 41(07): 1197-1202.

基于量子蚁群算法的粗糙集属性约简方法

A Rough Set Attribute Reduction Method Based on the Quantum Ant Colony Algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价