針對傳統(tǒng)蝗蟲優(yōu)化算法尋優(yōu)精度低和收斂速度慢的問題,提出一種基于非線性調整策略的改進蝗蟲優(yōu)化算法.首先,利用非線性參數(shù)代替?zhèn)鹘y(tǒng)蝗蟲算法中的遞減系數(shù),協(xié)調算法全局探索和局部開發(fā)能力,加快算法收斂速度;其次,引入自適應權重系數(shù)改變蝗蟲位置更新方式,提高算法尋優(yōu)精度;然后,結合limit閾值思想,利用非線性參數(shù)對種群中部分個體進行擾動,避免算法陷入局部最優(yōu).通過六個基準測試函數(shù)的仿真結果表明,改進算法的收斂速度和尋優(yōu)精度均有明顯提高.最后將改進算法應用于特征選擇問題中,通過在七個數(shù)據(jù)集上的實驗結果表明,基于改進算法的特征選擇方法能夠有效地進行特征選擇,提高分類準確率. 

【文章來源】：南京大學學報(自然科學). 2020,56(01)北大核心CSCD

【文章頁數(shù)】：10 頁

【文章目錄】：
1 蝗蟲優(yōu)化算法
2 基于非線性調整策略的改進蝗蟲優(yōu)化算法
    2.1 非線性遞減系數(shù)
    2.2 自適應權重系數(shù)
    2.3 limit閾值
3 基于IGOA的特征選擇方法
4 實驗結果及分析
    4.1 IGOA算法性能測試
    4.2 基于IGOA的特征選擇方法
5 結論


【參考文獻】：
期刊論文
[1]改進的粒子群算法優(yōu)化的特征選擇方法[J]. 李煒,巢秀琴.  計算機科學與探索. 2019(06)
[2]基于曲線自適應和模擬退火的蝗蟲優(yōu)化算法[J]. 李洋州,顧磊.  計算機應用研究. 2019(12)
[3]改進粒子群聯(lián)合禁忌搜索的特征選擇算法[J]. 張震,魏鵬,李玉峰,蘭巨龍,徐萍,陳博.  通信學報. 2018(12)
[4]基于Powell搜索的混沌雞群優(yōu)化算法[J]. 楊菊蜻,張達敏,何銳亮,張慕雪.  微電子學與計算機. 2018(07)



本文編號：3190130