-
题名求解函数优化和特征选择的改进金豺狼优化算法
- 1
-
-
作者
邹睿
焦慧
龙文
-
机构
上海工程技术大学电子电气工程学院
贵州财经大学数学与统计学院
-
出处
《信阳师范学院学报（自然科学版）》
CAS
2024年第1期113-119,共7页
-
基金
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)
+1 种基金
贵州省高层次创新型人才项目(黔科合平台人才-GCC[2023]006)
贵州省高等学校系统建模与数据挖掘重点实验室项目(2023013)。
-
文摘
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
-
Keywords
Golden Jackal Optimization algorithm
somerault learning strategy
function optimization
feature selection
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
