基于遗传算法的粗糙集属性约简matlab代码

MainOfUSln.m这是你的解决方案的主脚本，也是执行整个程序的入口，从改脚本开始运行论文的算法被看做一个优化问题，模型如下：min TargetOptFcn(r) rsub to.0<= r < =1;由于论文里要求r是0或1，遗传算法解决0-1规划问题可以通过修改其目标函数达到目的在TargetOptFcn函数中加个目标3就可以让r尽可能的接近0或1遗传算法ga在最终输出的r是浮点类型的，加个round取整下几个得到规则的0-1变量最后的约简结果放在r_result中FindBestReduct.m这个脚本是用穷举法找出最优的约简结果，算法思路是：因为 r从[0 0 0 0 0 0 0 0 0]到[1 1 1 1 1 1 1 1 1]逐个变化，一共有2^9 = 512种情况，循环处理把每一种情况下的目标函数值算一遍自然得到最优结果最优结果实际上是染色体编码为 r_best = [ 0 0 1 0 0 1 1 1 0 ]即c3、c6 、c7、c8还有一个结果是 r = [0 0 1 1 0 1 1 0 1]即c3、c4、c6、c7、c9这2个结果差距不大所以遗传算法可能有时候会陷入后者局部最优

RoughSetReduct_Sln
DependencyDegree.m
EleEquivalentSet.m
EquivalentClassSet.m
FindBestReduct.m
IsSub.m
LowerApproximation.m
MainOfUSln.m
PositiveRegion.m
TableData.mat
TargetOptFcn.m
解决方案说明文档.doc
解决方案说明文档.txt