一种用于解决特征选择问题的新型混合演化算法

TP391; 为结合不同演化算法的优势,提出一个混合鲸鱼算法(hybrid whale optimization algorithm,HWOA).在HWOA算法中鲸鱼优化算法(whale optimization algorithm,WOA)的收缩环绕机制被正余弦算法(sine cosine algorithm,SCA)取代,以实现迭代初期探索和开发之间更好的平衡.此外,在灰狼优化算法(grey wolf optimization,GWO)中引入粒子群算法的个人最佳位置的概念,并引入决策权重参数以更好地反映狼群的等级制度.为提高算法的多样性,在搜索过程中,改进后的灰狼算法和鲸鱼算法的螺旋更新机...

Full description

Saved in:
Bibliographic Details
Published in郑州大学学报（理学版） Vol. 53; no. 2; pp. 41 - 49
Main Authors 李天翼, 陈红梅
Format Journal Article
LanguageChinese
Published 西南交通大学 信息科学与技术学院 四川 成都 611756 01.06.2021
Subjects
改进灰狼优化算法
特征选择
正余弦算法
混合演化算法
鲸鱼优化算法
Online AccessGet full text
ISSN1671-6841
DOI10.13705/j.issn.1671-6841.2020226

Cover

More Information
Summary:TP391; 为结合不同演化算法的优势,提出一个混合鲸鱼算法(hybrid whale optimization algorithm,HWOA).在HWOA算法中鲸鱼优化算法(whale optimization algorithm,WOA)的收缩环绕机制被正余弦算法(sine cosine algorithm,SCA)取代,以实现迭代初期探索和开发之间更好的平衡.此外,在灰狼优化算法(grey wolf optimization,GWO)中引入粒子群算法的个人最佳位置的概念,并引入决策权重参数以更好地反映狼群的等级制度.为提高算法的多样性,在搜索过程中,改进后的灰狼算法和鲸鱼算法的螺旋更新机制随机地被选择.为有效避免算法陷入局部最优,使用非线性的参数调整策略和混沌映射来更新HWOA中的重要参数.实验结果表明,新算法可以有效提高分类的准确率,并选择最合适的特征子集.
ISSN:1671-6841
DOI:10.13705/j.issn.1671-6841.2020226