文献类型：期刊文献

中文题名：基于MQPSO优化的属性约简方法

英文题名：Attribute Reduction Algorithm Based on MQPSO Optimization

作者：谷晓博[1];张凌波[1];顾幸生[1];徐震浩[1]

机构：[1]华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海200237

年份：2012

卷号：38

期号：1

起止页码：84

中文期刊名：华东理工大学学报（自然科学版）

外文期刊名：Journal of East China University of Science and Technology

收录：CSTPCD;;Scopus;北大核心:【北大核心2011】；CSCD:【CSCD2011_2012】；

基金：国家863高技术研究发展计划项目(2009AA04Z141);中央高校基本科研业务费专项资金;教育部博士点基金项目(200802510010);上海市重点学科项目(B504);上海市自然科学基金项目(10ZR1408300)

语种：中文

中文关键词：粗糙集;属性约简;MQPSO

外文关键词：rough set; attribute reduction; MQPSO

摘要：变异量子粒子群算法(MQPSO)通过在量子粒子群算法(QPSO)中引入变异机制,增加了全局搜索能力,避免陷入局部最优。在粗糙集理论和MQPSO算法基础上,提出了基于MQPSO优化的决策表属性约简方法,并在算法实现中提出了迭代记录策略,改进了算法中的耗时计算部分,降低了算法的时间复杂度。
A quantum particle swarm optimization algorithm with mutation operator（MQPSO） can improve the global search capability to avoid local optimum by introducing the mutation mechanism into the quantum particle swarm optimization（QPSO）.In this paper,an attribute reduction method based on MQPSO optimization is proposed,and a strategy of iterative record is given to modify the time-consuming part of the algorithm such that the time complexity can be reduced.