[發明專利]一種基于TLSSA算法的特征信息選擇方法

有效

• 申請號: 202110491799.9
• 申請日: 2021-05-06
• 公開（公告）號: CN113297532B
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 李俊;任號
• 申請（專利權）人: 溫州大學
• 主分類號: G06F17/11
• 分類號: G06F17/11;G06N3/006;G06N3/126
• 代理公司: 溫州名創知識產權代理有限公司 33258
• 代理人: 陳加利

1.一種基于TLSSA算法的特征信息選擇方法，其特征在于，所述方法包括以下步驟：

步驟S1、獲取待選的特征信息；

步驟S2、將待選的特征信息設置為計算變量，并設置算法相關參數；其中，所述設置算法相關參數的步驟具體為定義種群的數量N，搜索空間為d維空間、d維空間的上邊界ub_d、d維空間的下邊界lb_d、d維搜索空間中食物的位置F_d、樽海鞘的位置x_n、搜索范圍[c₁,c_n]、初始迭代次數Fes和最大迭代次數MAXFes；

步驟S3、在d維的搜索空間中，隨機生成N個個體X_i的位置代表種群的初始位置，以二進制的形式表示為并計算這些個體X_i的初始的適應度值的大小，把最小適應度值的個體認為是種群中的領導者；其中，T(x)＝1/(1+e^-x/3)，代表了第i個個體的第j個維度的值；

步驟S4、將樽海鞘群按照適應度值進行排序，排在首位的適應度最小的樽海鞘的位置設為當前食物位置；

步驟S5、選定食物位置后，將群體中剩余N-1個樽海鞘，按照樽海鞘群體的排序，并判斷個體X_i是否為領導者，若是使用公式(1)更新個體X_i位置；否則，使用公式(2)更新個體X_i位置；

其中，且c₂和c₃是一個在0和1范圍內的隨機數；是領導的樽海鞘在d維空間中的位置；是跟隨的第n個樽海鞘個體在d維搜索空間中所處的位置；Fes為當前迭代次數；

步驟S6、將更新后的每個樽海鞘個體的適應度值與當前食物的適應度值進行比較，若更新后樽海鞘的適應度值優于食物，則優于食物的樽海鞘位置作為新食物的位置；

步驟S7、計算當前種群的平均位置，通過公式(3)的教學階段更新種群的位置；

new?x_i＝x_i+rand·(Teacher-TF·Mean)??(3)；

其中，new?x_i是通過學生x_i產生的一個新的個體；rand是區間0和1之間的隨機數；Teacher是班級里最優秀的個體；Mean是班級所有學生的平均值；TF是一個教學因子，它的值在0到2之中隨機的產生；

步驟S8、從種群中隨機的挑選兩個個體，通過公式(4)的學習者階段更新種群的位置；

其中，new?x_i是由學生x_i產生的一個新個體；rand是區間0和1之間的一個隨機數；x_k是從班級中不同于學生x_i隨機挑選的一個學生；f(x_i)和f(x_k)分別代表了在班級中學生x_i和學生x_k的適應度值；

步驟S9、Fes＝Fes+1；若FesMAXFes，則返回步驟S3；否則，迭代結束；

步驟S10、輸出最優個體位置及適應度值，即在待選的特征信息得到最終需要的特征信息。

2.如權利要求1所述的基于TLSSA算法的特征信息選擇方法，其特征在于，在所述步驟S7中，引入飛行策略來更新種群的位置，如公式(5)所示：

new?x_i＝x_i+rand·(Teacher-TF·Mean)·levy(dim)??(5)；

其中，new?x_i是由個體x_i使用levy飛行方法之后獲得的新的搜索代理；TF＝2·(1-rand)，其值在0到2范圍內；levy是飛行策略，具體的實施公式為L_(S)～s^-1-β,0β≤2；A～N(0,σ²),B～N(0,σ²)，β是一個levy指數且設置為3/2，A和B服從正態分布，Γ(·)是伽馬函數；dim是搜索空間的維度。