基于多目标优化的超盒粒计算分类算法研究

粒计算是一种看待客观世界的世界观和方法论，信息粒广泛存在于人们的现实生活中；是对现实的一种抽象，信息粒化是人类处理和存储信息的一种反映。粒的数量和分类错误率是粒计算互相冲突的目标，同时最小化这两个目标是不可能的，针对此，建立分类超盒粒的数目和训练错误率两个目标，构造成多目标优化问题，通过多目标演化算法对建立的多目标优化问题进行求解，从而得到一系列分类超盒粒集。多目标演化算法通过随机产生初始种群，利用演化操作和逐次迭代的方法，最终得到一组多目标优化问题的解集，用户可以根据需求选取合适的粒计算分类算法。