基于遗传算法城市公交服务质量评价知识规则挖掘方法摘要：城市公共交通服务质量评价知识规则是城市公共交通企业进行服务质量评价的重要依据，优质、合理的评价知识规则将使服务质量评价更加公正、更加客观。本文在分析城市公共交通服务质量评价指标体系的基础上，将一种改进的遗传算法用于城市公共交通服务质量评价价的知识规则挖掘，提出一种基于遗传算法的城市公共交通服务质量评价知识规则挖掘方法，阐述算法的实现途径。实例表明，该方法在进行知识规则挖掘时是完全可行的、有效的。关键词：知识规则挖掘；城市公共交通；服务质量评价;遗传算法中图分类号：TP301.6文献标识码：A1引言知识规则挖掘就是从大量的、不完全的、有噪声的知识规则中，提取隐含在其中的、人们事先不知道的有用的知识规则的过程。知识规则挖掘方法［1,2,3］有多种，如机器学习、决策树、神经网络、粗糙集方法、遗传算法等。在这些方法中，遗传算法由于具有高度的鲁棒性和极佳的全局搜索能力而倍受众多学者的青睐。在城市公共交通服务质量评价知识规则体系---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---中，由于评价指标较多，在进行知识规则挖掘时，使用遗传算法尤为有效。利用遗传算法进行城市公共交通服务质量评价知识规则挖掘，就是在已有的知识规则的基础上进一步进行优化，得到隐含在知识规则库中的、更为满意的、新的知识规则。2城市公共交通服务质量评价指标体系构建城市公共交通服务质量可以从硬件和软件两个大的方面进行评价。硬件方面包括道路公共交通网络和公交企业本身的设施投入；软件方面则主要指道路交通通行的实际水平与公交企业的软性服务。上述方面还可以进一步细分，直至一些基础性的指标。结合综合评价加指标体系建立的方法,建立城市公共交通服务质量评价指标体系［4-6］。评价指标体系包括四个方面：公共交通网络、公交企业硬性投入、公共交通通行服务水平、公交企业软性服务，具体评价指标有15个，如图1所示。遗传算法是模拟生物界自然选择和自然遗传机制进化过程来求解复杂问题的全局随机搜索算法［7,8］,它以编码空间代替问题空间，以适应度函数为评价依据，以编码群体为进化基础，以对群体中个体位串的遗传操作实现选择和遗传机制，建立起一个迭代过程。在这一过程中，通过随机重组编码位串中重要的基因，使新一代的位串集合优于老一代的位串集合，群体的个体不断进化，逐渐接近最优解，最终达到求解问题的目的。由于传统遗传算法存在收敛速度慢、容易出现早熟收敛等缺点［9］，本文采用文献［10］中的改进遗传算法(IGA),---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---这种改进遗传算法的工作流程如图2所示。4.3遗传算子在本文使用的改进遗传算法中，遗传算子包括选择算子、助长算子、交叉算子和变异算子。选择算子采用两代竞争排序的选择方法来对遗传个体进行优选，遗传个体被区分为雄性和雌性两种不同的性别，把父代与子代的所有雄性个体与雌性个体分别进行重新排序，再按群体规模N分别从排序后的雄性个体集与雌性个体集中截取前N/2个优秀的个体进入匹配池，作为交叉操作的对象。助长算子用来对种群中的个体进行一定概率下的助长，助长操作在选择操作之后及配对操作之前进行，本文是采用基于个体适应度的助长。在交叉操作中，同性别个体之间是不能进行配对的，雄性个体只能同雌性个体进行配对，配对是按个体优劣顺序进行的，个体配对之后还要进行亲缘关系的检测，以保证个体之间的繁殖属于严格的远缘繁殖。在二进制编码方式下，变异操作就是以很小的变异概率从群体中随机选取若干个体，对于选中的个体又随机选取表现型编码中的某一位或多位进行数码翻转，即将I变为0或0变为lo4.4新知识规则的检验遗传算法运行结束后，要对挖掘出的新知识规则的有效性进行检验。一方面要检验新知识规则是否被知识规则库中已有的规则所包含，如果被已有的规则所包含，则新知识规则无效；另一方面是检验新知识规则是否与知识规则库中已有的规则相矛盾，如果与已有的规则相矛盾，则新知识规则同样无效。无效的新知识规则将被剔...