針對(duì)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(diào)整策略的改進(jìn)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(diào)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(yīng)權(quán)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(jié)合limit閾值思想,利用非線性參數(shù)對(duì)種群中部分個(gè)體進(jìn)行擾動(dòng),避免算法陷入局部最優(yōu).通過六個(gè)基準(zhǔn)測(cè)試函數(shù)的仿真結(jié)果表明,改進(jìn)算法的收斂速度和尋優(yōu)精度均有明顯提高.最后將改進(jìn)算法應(yīng)用于特征選擇問題中,通過在七個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,基于改進(jìn)算法的特征選擇方法能夠有效地進(jìn)行特征選擇,提高分類準(zhǔn)確率. 

【文章來源】：南京大學(xué)學(xué)報(bào)(自然科學(xué)). 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(diào)整策略的改進(jìn)蝗蟲優(yōu)化算法
    2.1 非線性遞減系數(shù)
    2.2 自適應(yīng)權(quán)重系數(shù)
    2.3 limit閾值
3 基于IGOA的特征選擇方法
4 實(shí)驗(yàn)結(jié)果及分析
    4.1 IGOA算法性能測(cè)試
    4.2 基于IGOA的特征選擇方法
5 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的粒子群算法優(yōu)化的特征選擇方法[J]. 李煒,巢秀琴.  計(jì)算機(jī)科學(xué)與探索. 2019(06)
[2]基于曲線自適應(yīng)和模擬退火的蝗蟲優(yōu)化算法[J]. 李洋州,顧磊.  計(jì)算機(jī)應(yīng)用研究. 2019(12)
[3]改進(jìn)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(xué)報(bào). 2018(12)
[4]基于Powell搜索的混沌雞群優(yōu)化算法[J]. 楊菊蜻,張達(dá)敏,何銳亮,張慕雪.  微電子學(xué)與計(jì)算機(jī). 2018(07)



本文編號(hào)：3190130