D0I:10.13374.issn1001-053x.2012.04.016 第34卷第4期 北京科技大学学报 Vol.34 No.4 2012年4月 Journal of University of Science and Technology Beijing Apr.2012 遗忘遗传算法及其在信用评分中的应用 张玉洁四孟祥武 北京邮电大学智能通信软件与多媒体北京市重点实验室，北京100876 ☒通信作者，E-mail:zhangyj(@bupt.cdu.cm 摘要为解决局部最优问题，将遗忘机制引入传统遗传算法中，提出了一种改进的遗忘遗传算法，给出了一种遗忘算子及 其遗忘概率，通过在遗传过程中遗忘某些基因，增加了算法的搜索空间，使算法跳出局部最优，从而最大限度地避免早熟收 敛.将该算法用于不同欠费率下的电信客户初始信用评分，找到信用权重的优化解，较好地解决了对高欠费率群体进行信用 评分时，信用权重的适应值偏低的问题.实验结果表明所提算法有效可行，与标准遗传算法相比，本文所提算法可以获得更 高质量的解 关键词遗传算法：遗忘因子：客户服务：信用评分 分类号TP182 Genetic algorithm with forgetting and its application in initial credit scoring ZHANG Yu-jie☒，MENG Xiang-+u Beijing Key Laboratory of Intelligent Telecommunications Software and Multimedia,Beijing University of Posts and Telecommunications,Beijing 100876, China Corresponding author,E-mail:zhangyj@bupt.edu.cn ABSTRACT Based on the forgetting strategy,an improved genetic algorithm was proposed to solve the problem of local optimization, and a forgetting operator as well as its forgetting probability was given.For the search space was increased by forgetting some genes dur- ing the period of inheritance,the algorithm can break away from local optimization and avoid the premature convergence to the greatest extent.By using the algorithm to deal with the credit scoring of telecom customers for different arrears rates,the optimum solution of credit weights in the case of high rate of arrears was found,so it solves the problem that the fitness of credit weights is low for the credit scoring of telecom customers in high arrears rates.Experimental results demonstrate that the algorithm is effective and feasible.Com- pared with the standard genetic algorithm,the proposed algorithm can obtain better quality results. KEY WORDS genetic algorithms;forgetting factor:customer service:credit scoring 遗传算法是一种基于群体的进化算法，它不依 数编码，混沌序列搜索产生初始种群.通过精英个 赖于问题的具体领域，本身具有良好兼容性，被广泛 体保留、粒子群优化策略和改进遗传算法三种策略 应用于组合优化、机器学习、人工生命、自适应控制、 共同作用产生种群新个体.文献4]提出二维浮点 规划设计和图像处理等领域. 数变长度编码，采用知识启发策略初始化种群，以及 但是，遗传算法存在未成熟收敛现象，针对这一 自适应交叉和变异算子的改进遗传算法.文献5] 问题，研究者在种群生成、编码和遗传操作等环节中 依据自适应交叉和变异概率变化情况划分种群，对 探讨了许多解决对策.文献]采用聚类方法形成 子种群单独遗传进化，在不同的进化时间间隔，或进 多个子种群，并对所有聚类的代表元及未分类个体 行个体移植，或进行个体的随机分配.文献[6]采用 采用小生境的遗传机制.文献2]通过增加初始种 十进制编码，对主种群、协同种群和精英种群三个种 群间的海明距离、小生境技术、自适应杂交和变异算 群进行免疫疫苗选择和更新操作；对主种群进行克 子及种群迁移来维持种群多样性.文献B]采用实 隆交叉、克隆环境演化、克隆直接变异和自适应探索 收稿日期：201102一15 基金项目：国家自然科学基金资助项目(60872051)：中央高校基本科研业务费专项资金资助项目(2009RC0203);北京市教育委员会共建项目第 34 卷 第 4 期 2012 年 4 月 北京科技大学学报 Journal of University of Science and Technology Beijing Vol． 34 No． 4 Apr． 2012 遗忘遗传算法及其在信用评分中的应用 张玉洁 孟祥武 北京邮电大学智能通信软件与多媒体北京市重点实验室，北京 100876 通信作者，E-mail: zhangyj@ bupt． edu． cn 摘 要 为解决局部最优问题，将遗忘机制引入传统遗传算法中，提出了一种改进的遗忘遗传算法，给出了一种遗忘算子及 其遗忘概率，通过在遗传过程中遗忘某些基因，增加了算法的搜索空间，使算法跳出局部最优，从而最大限度地避免早熟收 敛． 将该算法用于不同欠费率下的电信客户初始信用评分，找到信用权重的优化解，较好地解决了对高欠费率群体进行信用 评分时，信用权重的适应值偏低的问题． 实验结果表明所提算法有效可行． 与标准遗传算法相比，本文所提算法可以获得更 高质量的解． 关键词 遗传算法; 遗忘因子; 客户服务; 信用评分 分类号 TP182 Genetic algorithm with forgetting and its application in initial credit scoring ZHANG Yu-jie ，MENG Xiang-wu Beijing Key Laboratory of Intelligent Telecommunications Software and Multimedia，Beijing University of Posts and Telecommunications，Beijing 100876， China Corresponding author，E-mail: zhangyj@ bupt． edu． cn ABSTRACT Based on the forgetting strategy，an improved genetic algorithm was proposed to solve the problem of local optimization， and a forgetting operator as well as its forgetting probability was given． For the search space was increased by forgetting some genes dur￾ing the period of inheritance，the algorithm can break away from local optimization and avoid the premature convergence to the greatest extent． By using the algorithm to deal with the credit scoring of telecom customers for different arrears rates，the optimum solution of credit weights in the case of high rate of arrears was found，so it solves the problem that the fitness of credit weights is low for the credit scoring of telecom customers in high arrears rates． Experimental results demonstrate that the algorithm is effective and feasible． Com￾pared with the standard genetic algorithm，the proposed algorithm can obtain better quality results． KEY WORDS genetic algorithms; forgetting factor; customer service; credit scoring 收稿日期: 2011--02--15 基金项目: 国家自然科学基金资助项目( 60872051) ; 中央高校基本科研业务费专项资金资助项目( 2009RC0203) ; 北京市教育委员会共建项目 遗传算法是一种基于群体的进化算法，它不依 赖于问题的具体领域，本身具有良好兼容性，被广泛 应用于组合优化、机器学习、人工生命、自适应控制、 规划设计和图像处理等领域． 但是，遗传算法存在未成熟收敛现象，针对这一 问题，研究者在种群生成、编码和遗传操作等环节中 探讨了许多解决对策． 文献［1］采用聚类方法形成 多个子种群，并对所有聚类的代表元及未分类个体 采用小生境的遗传机制． 文献［2］通过增加初始种 群间的海明距离、小生境技术、自适应杂交和变异算 子及种群迁移来维持种群多样性． 文献［3］采用实 数编码，混沌序列搜索产生初始种群． 通过精英个 体保留、粒子群优化策略和改进遗传算法三种策略 共同作用产生种群新个体． 文献［4］提出二维浮点 数变长度编码，采用知识启发策略初始化种群，以及 自适应交叉和变异算子的改进遗传算法． 文献［5］ 依据自适应交叉和变异概率变化情况划分种群，对 子种群单独遗传进化，在不同的进化时间间隔，或进 行个体移植，或进行个体的随机分配． 文献［6］采用 十进制编码，对主种群、协同种群和精英种群三个种 群进行免疫疫苗选择和更新操作; 对主种群进行克 隆交叉、克隆环境演化、克隆直接变异和自适应探索 DOI:10.13374/j.issn1001-053x.2012.04.016