[发明专利]基于模糊遗传算法的关键词分类优化方法

权利要求书

1.一种基于模糊遗传算法的关键词分类优化方法，其特征在于，按如下步骤进行：

(1)初始化群体：将待优化个体随机分配至各个岛屿，初始化N个个体成为各个岛屿中不同的个体；

(2)个体选择和迁移：根据适应度函数进行适应度检测，并选择出同时要参与岛屿内部的遗传操作和迁移至其他岛屿的个体，复制所选择的个体并将其进行迁移；

(3)个体交叉：将经选择操作筛选的参与岛屿内部遗传操作的个体和从其他岛屿迁移来的个体进行交叉，组合成为语境下的新个体；

(4)个体变异：对岛屿中的所有个体按照经周期性模糊化规则确定的概率p_m在不同环境下进行非均匀变异操作；

(5)个体评估：针对每个岛屿，根据步骤(2)中的适应度函数计算岛屿中所有个体的评估值；

(6)局部搜索：在计算每个个体评估值之后，针对岛屿中经过交叉、变异操作所产生的新个体，执行局部区域搜索，更新个别个体的评估值；

(7)优化准则判断：在每个岛屿中选择个体，判断评估值是否满足优化规则，如果不满足优化规则，则返回步骤(2)，循环优化步骤；如果满足优化规则，则结束优化步骤。

2.根据权利要求1所述的基于模糊遗传算法的关键词分类优化方法，其特征在于，所述步骤(1)中所述的初始化岛屿的方法是分别将含有某个敏感词的文件名映射为这个敏感词来表示岛屿中的个体。

3.根据权利要求1所述的基于模糊遗传算法的关键词分类优化方法，其特征在于，所述步骤(2)中的个体选择操作采用轮盘赌选择法，具体过程为：

(1)计算每个个体的适应值，个体适应度函数为：

Fit(f(x))=1-0.5*[|f(x)-ba|]α,|f(x)-b|<a11+[|f(x)-ba|]β,|f(x)-b|≥a]]>

其中b取当前第i代中的最小值，即b＝f(x)*i，α，β均为常数值；

(2)计算此适应值在群体适应值总和中所占比例，表示该个体在选择过程中被选中的概率：p(xi)=f(xi)/Σn=1if(xn);]]>

(3)通过各个个体的选择概率，计算其累计概率，第i个个体的累计概率为：px(xi)=Σn=1ip(xn);]]>

(4)产生0到1之间的随机数ε与p_x(x_i)进行比较来决定选择的个体，若p_x(x_i-1)＜e＜p_x(x_i)，则选择第i个个体。