基于改进蚱蜢优化算法的特征选择机制

作     者：李雯婷 韩迪 叶符明 LI Wen-ting;HAN Di;YE Fu-ming

作者机构：贵州商学院计算机与信息工程学院贵州贵阳550014 广东金融学院信用管理学院广东广州510521 

基　　金：贵州省科技计划科学技术基金项目(黔科合基础1Y282) 贵州省普通高等学校青年科技人才成长基金项目(黔教合KY字271) 广东省普通高校重点领域专项基金项目(2020ZDZX3066) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2022年第43卷第11期

页      码：3168-3176页

摘      要：针对传统蚱蜢优化算法收敛速度慢、寻优精度低的不足,提出融合学习自动机和折射对立学习的混沌蚱蜢优化算法LRGOA。算法利用完全随机混沌Tent映射进行种群初始化,提高种群遍历性和多样性;利用学习自动机对决定搜索方向的调整系数更新,以均衡全局搜索与局部开发;引入折射对立学习位置更新机制,避免算法陷入局部最优。将LRGOA应用于数据集特征选择问题,设计基于LRGOA的特征选择算法LRGOAFS。选取UCI库数据集对算法的有效性进行验证,证实改进算法可以同步降低特征选择维度和提升数据分类准确率。

主 题 词：特征选择 蚱蜢优化算法 学习自动机 折射对立学习 混沌系统 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2022.11.023

馆 藏 号：203115516...