关于遗传算法-干扰决策的思考历程

张俊玲

19021210858

转载自：https://blog.csdn.net/zysps1/article/details/89671929

【嵌牛导读】​ 遗传算法是一个典型的优化算法，用来解决分类问题直观上是不适合的，特别是对于难以确定适应度函数的分类问题。

【嵌牛鼻子】遗传算法 适应度函数  决策

【嵌牛提问】如何利用遗传算法进行分类?

【嵌牛正文】

之前一直想的是用遗传算法做干扰分类，但是遗传算法是一个典型的优化算法，用来解决分类问题直观上是不适合的，特别是对于难以确定适应度函数的分类问题。

​ 查阅若干文献，大家大多是用遗传算法做的特征选择，然后配合专门的分类器（如决策树，神经网络等），再进行分类。既然这样，就失去了直接使用遗传算法做项目的初衷。

​ 后来想到分类规则。用遗传算法产生分类规则也是可以的。但是参阅了相关论文，大家普遍讲的不深，有的初始分类规则也是用C4.5算法产生的，网上又很少找到开源之类的example做参考，再考虑到与项目要求结合，确实更加复杂，又回归到那个问题：适应度函数怎么做？

​ 后来，看了师兄师姐给的一篇抗干扰论文，恍然大悟。

​ 直接用遗传算法进行决策，这样适应度函数就可以创造出来了，用决策信道参数作为初始种群的组成量，用信号受到的干扰影响等作为适应度函数的自变量，辅助以一定的专家参数，目标是最小化外界影响（或最大化信号质量），就可以直接作为决策了。

​ 这样是不是就没有分类了呀？？？

​ 确实，表面上跳过了分类过程。比如”某些在某某干燥比情况下，需要达到的分类准确率“这样的问题就无从得知了。

​ 但实际上，也可以通过决策的结果看出确实是分了类别进行决策的——隐式分类。