求解函数优化和特征选择的改进金豺狼优化算法 |
| |
引用本文: | 邹睿,焦慧,龙文.求解函数优化和特征选择的改进金豺狼优化算法[J].信阳师范学院学报(自然科学版),2024(1):113-119. |
| |
作者姓名: | 邹睿 焦慧 龙文 |
| |
作者单位: | 1. 上海工程技术大学电子电气工程学院;2. 贵州财经大学数学与统计学院 |
| |
基金项目: | 国家自然科学基金项目(12361106);;贵州省自然科学基金重点项目(黔科合基础-ZK[2023]重点003); |
| |
摘 要: | 针对基本金豺狼优化算法(Golden Jackal Optimization, GJO)在解决高维优化问题时存在计算精度低、开发能力弱、容易陷入局部最优的缺点,提出一种改进GJO算法(I-GJO)。在改进算法中,设计一种基于正弦函数的非线性能量因子替代原随机递减能量因子,以平衡算法在搜索过程中的全局探索和局部开发能力。在算法迭代后期引入翻筋斗学习策略,从而扩大群体搜索范围和改善解的精度。为了验证I-GJO算法的有效性,选取6个基准函数优化问题进行数值实验,并与灰狼优化、海鸥优化算法和基本GJO算法比较。结果表明,I-GJO获得较高的精度和较快的收敛速度。最后利用I-GJO算法求解特征选择问题,对16个基准数据集的数值结果显示,改进算法能有效去除冗余特征和提高分类精度。
|
关 键 词: | 金豺狼优化算法 翻筋斗学习策略 函数优化 特征选择 |
|