结合头脑风暴优化的混合蚁群优化算法

雩风三日

结合头脑风暴优化的混合蚁群优化算法

      特征选择能够有效提升数据分类的性能，为了进一步提升蚁群优化在特征选择上的求解能力，提出一种结合头脑风暴优化的混合蚁群优化(ABO)算法。利用信息交流档案维护历史较好解，通过基于松弛因子的时间最久优先方法动态更新档案。当全局最优解多次未更新时，采用基于 Fuch 混沌映射方法的路径—想法转换算子，将档案中的路径解转换为想法解，作为初始种群，通过头脑风暴优化在更广阔的空间中搜索较好解。在 6 组典型的二分类数据集上进行实验，分析了参数敏感性，并与混合萤火虫粒子群优化(HFPSO)算法、粒子群优化与引力搜索算法(PSOGSA)以及遗传算法(GA) 3 种典型的演化算法进行对比。实验结果表明，相较于对比算法，所提算法在分类正确率上至少可提高 2.88%~5.35%，在 F1 指标上至少可提高 0.02~0.05，验证了所提算法的有效性和优越性。
9 r! N6 Q2 |: q6 J6 Q0 H, _
关键词: 蚁群优化算法；头脑风暴优化；混合算法；特征选择；数据分类
% ~" [6 w7 k5 T0 `" N9 p7 K7 t3 z

" d0 r9 D# @$ ^2 ?2 V