於 XCS 分類系統中導入容錯機制---實務影響與理論分析

Abstract

XCS 是各種學習型分類系統 (Learning Classifier System, LCS) 中，現階段最重要 的一個分支。XCS 是在學習型分類系統領域內，第一個被證明能夠提供精確而又最具 一般性規則集合的分類系統。在 XCS 中，以精確度為基礎的適應值使 XCS 得以朝向 高精確度、高指定性的規則前進；而持續的推廣壓力則可以保證 XCS 演化出最精確、 最具一般性的資料模型。雖然 XCS 可以演化出精確的規則集合，然而，通常 XCS 所 產生出的規則數量過多，以致於伴隨而生的資料模型可讀性極低。使用 XCS 來解問題 的使用者，便無法由其中取得有意義的知識和結論。而在資料勘探 (Data Mining) 領域 中之容錯觀念 (Fault Tolerance) 的啟發下，我們在此專題研究中，欲將容錯觀念融入 XCS 中，而提出一套稱為 XCS/FT (XCS with Fault Tolerance) 的新 XCS 運作架構。 XCS/FT 將容錯觀念導入 XCS 中，增加分類模型的可讀性，以期能提供使用者更有意 義也更加有用、以規則型態表現的知識。在本專題研究的第一年中，我們將提供 XCS/FT 詳細的設計方案，並且實作出實際可行之 XCS/FT 系統。此外，我們也將設計一連串 的實驗，來瞭解 XCS/FT 在對資料進行分類時的各項行為，並且觀察其運作的特性。 在取得足夠的實驗結果和運作理解後，於第二年時，我們將針對先前於文獻中提出 XCS 的五項演化壓力: (1) 集合壓力; (2) 突變壓力; (3) 刪除壓力; (4) 吸收壓力; (5) 適應值 壓力，來對 XCS/FT 進行徹底的研究與分析，以得到有意義和用途的理論結果。我們 相信，本專題研究不但可對於使用 XCS 來解問題的使用者們有所幫助，更能對企圖以 理論角度來瞭解 XCS 的理論研究者們，做出顯著的貢獻。