Гибридизация локального спуска с самоконфигурируемым алгоритмом генетического программирования для автоматического генерирования нечетких классификаторов

Нечеткие классификаторы являются одним из видов интеллектуальных информационных технологий, использующих базы нечетких правил, которые могут быть легко интерпретированы человеком-экспертом. При автоматическом создании нечетких классификаторов в данной работе используются самоконфигурируемый алгоритм генетического программирования для генерирования баз правил и самоконфигурируемый генетический алгоритм для настройки лингвистических переменных. Рассматриваются самоконфигурируемый алгоритм генетического программирования для автоматического генерирования баз правил для нечетких классификаторов и локальный спуск по деревьям, представляющим собой базы правил. Для локального спуска по дереву представлено два способа перехода между деревьями (переход по первому улучшению и наискорейший спуск), две системы окрестностей (1-соседняя и 2-соседняя окрестности) и три стратегии просмотра этих систем окрестностей («полный», «неполный» и «усеченный» просмотры). В ходе работы было выполнено сравнение эффективности всех вариантов выполнения локального спуска по дереву. Эффективность всех предложенных алгоритмов оценивалась на репрезентативном множестве тестовых задач и на двух реальных практических задачах классификации. По результатам тестирования можно сделать вывод, что локальный спуск, производящий полной просмотр 2-сосденей системы окрестностей, продемонстрировал лучшую эффективность и существенно повысил эффективность самоконфигурируемого алгоритма генетического программирования для автоматического генерирования нечетких классификаторов. Данный гибридный алгоритм почти всегда превосходит лучший для конкретной задачи вариант алгоритма генетического программирования, что позволяет полностью отказаться от выбора его наиболее эффективного варианта настроек. При решении реальных задач анализа данных гибридный алгоритм продемонстрировал лучший результат среди всех рассмотренных альтернатив.