動態基因演算機制調整-以汽車業為例

A Dynamic Genetic Algorithm Adaptation Mechanism: A Case Study of Car Sales Forecasting

林映璋(YING-CHANG LIN)

指導教授 ： 陸承志博士

元智大學/資訊學院/資訊管理學系/碩士(2005年)

摘要

本研究旨在建構一套以動態基因演算來調整法則的機器學習預測模型，此一
預測模型除了關注於預測準確率外，更可以了解預測過程中，法則對預測的影響
和參數變化的過程。本研究首先經由相關論文文獻探討的方式，勾勒出和歸納出
學理上相關機器學習的人工智慧系統演算法和相關技術，以及相關預測系統應用
人工智慧系統的技術和系統模型，以做為建立預測模型參考。
預測模型的建構是由學習分類元系統和動態基因演算調整機制兩者共構
而成，其在結合了模糊法則處理不完全資訊資料和多元邏輯的特性外，使其預測
模型對於在演化過程中的演化參數有動態調整的機制，增益系統的效率和提昇收
歛速度。本研究以某汽車廠商的西元2003年至西元2004年的銷售資料為預測的
樣本資料，實驗結果發現兩者的結合對預測模型的動態基因演算調整機制，有相
當程度地幫助。

關鍵字

學習分類元系統 ； 基因演算動態調整機制

並列摘要

The research seeks to construct a dynamic genetic algorithm adaptation mechanism for building a rule-based machine learning forecasting model. This model not only considers accuracy, but also lets modelers easily understand the forecasting process, and rule and parameter affects.
The proposed forecasting model consists of a learning classifier system and a dynamic genetic algorithm adaptation mechanism. The test data are the yearly sales data of 2003 and 2004 from a local automobile manufacturer. We use 2003 sales data as training
data set, and use 2004 sales data as evaluation data set.
Experimental results indicate that the dynamic genetic algorithm adaptation mechanism can speed up genetic algorithm’s convergence and increase system efficiency. The average forecasting precision rate is 68%.

並列關鍵字

Learning classifier system ； dynamic genetic algorithm adaptation mechanism