LCS在多步学习问题中的规则集压缩算法  

Rule set compaction for learning classifier system within multi-step problems

作　　者：臧兆祥[1,2] 李德华[2] 王俊英[1] 

机构地区：[1]三峡大学计算机与信息学院,湖北宜昌443000 [2]华中科技大学自动化学院,湖北武汉430074

出　　处：《华中科技大学学报（自然科学版）》2014年第2期101-105,共5页Journal of Huazhong University of Science and Technology(Natural Science Edition)

基　　金：国家自然科学基金资助项目(69775022);国家高技术研究发展计划资助项目(863-306-ZT04-06-3)

摘　　要：为了解决学习分类元系统(LCSs)应用于多步学习问题时会生成规模庞大、冗余的规则集问题,提出了一种规则集压缩算法.该算法的处理过程包含三个阶段:a.通过特殊的遗传进化操作,在删除一些较弱分类元的同时,增加规则集里泛化能力较强、适应值较高的分类元的个体数目;b.进行冲突消解,消除规则集里相互重叠、相互冲突的分类元;c.对产生的无重叠无冲突的规则集,进行大幅度压缩处理,得出最终的精简规则集.实验结果表明:所提算法能够在几乎不降低系统整体性能的前提下,将规则集极大地约简和压缩,从而产生足够小的规则集,使LCSs的知识表示的冗余度减少,凸显了规则集的易解释、易操作等特性;提高了LCSs在多步学习问题中的应用效果,拓展了其应用范围.A rule set compaction algorithm was proposed for learning classifier systems （LCSs） to compact the large-size rule set for multi-step problems .The rule set compaction process includes three steps ：a .by some special genetic evolution operation ,delete weak classifiers to increase the number of more general and fit classifiers in rule set ;b .conduct conflict resolution ,to eliminate those overlap-ping and conflicting classifiers ;c .make drastic compression on the resulting non-overlapping rule set to get the final rules .Experimental results show a remarkable ability to compact the population of classifiers with little or no degradation of the overall performance ,which enhance LCSs′applicability and usefulness in a wide range of multi-step problems ,with the good interpretability and operability of the final compact rule set .

关 键 词：学习分类元系统 压缩算法 多步学习问题 强化学习 规则集压缩 LEARNING CLASSIFIER SYSTEMS (LCS) 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程] TP39[自动化与计算机技术—控制科学与工程]