文献类型：期刊文章

作　　者：李雯婷[1] 韩迪[2] 叶符明[1]

LI Wen-ting;HAN Di;YE Fu-ming(Computer and Information Engineering College,Guizhou University of Commerce,Guiyang 550014,China;School of Credit Management,Guangdong University of Finance,Guangzhou 510521,China)

机构地区：[1]贵州商学院计算机与信息工程学院,贵州贵阳550014 [2]广东金融学院信用管理学院,广东广州510521

出　　处：《计算机工程与设计》

基　　金：贵州省科技计划科学技术基金项目(黔科合基础[2020]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[2021]271);广东省普通高校重点领域专项基金项目(2020ZDZX3066)。

年　　份：2022

卷　　号：43

期　　号：11

起止页码：3168-3176

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、RCCSE、ZGKJHX、核心刊

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。

关 键 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

分 类 号：TP393]