一种关于基于粗糙集与蟑螂群集的优化算法

本发明属于数据算法技术领域，具体涉及一种关于基于粗糙集与蟑螂群集的优化算法，所述优化算法包括以下步骤：步骤1.粗糙集；步骤2.蟑螂群优化；步骤3.特征过滤；步骤4.解的表达和结合反向学习的种群初始化；步骤5.基于pbest和gbest的领域搜索策略；步骤6.禁忌搜索；步骤7.特征子集和种群评价。该发明能够根据粗糙集的条件属性与决策属性的互信息，从传入属性集中选择代表性属性，将生成的新粗糙决策系统传入蟑螂群优化算法，进行随机选择，以找到最优特征子集，从传入特征集中选择互信息高的特征，在获得较好分类精度的情况下，可以有效地减少计算运行时间，降低性能消耗。