[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

本發明提供一種基于TLSSA算法的特征信息選擇方法，包括獲取待選的特征信息設為計算變量，并設置算法相關參數；隨機生成個體位置，并計算初始適應度值的大小，以及確定種群中的領導者；按照適應度值排序，選首位適應度最小的為當前食物位置；選定食物位置后，將群體中剩余樽海鞘排序，并判斷個體是否為領導者來相應更新個體位置；將更新后的適應度值進行比較，以確定適應度值最小的樽海鞘位置作為新食物的位置；引入教學階段和學習者階段更新種群的位置，直至迭代結束，輸出最優解為所需特征信息。實施本發明，能很大的增強算法的收斂速度和局部最優避免能力。在解決真實世界中的實際案例上，我們提出的方法相較于傳統的技術有明顯的優勢。

技術領域

本發明涉及數學模型優化技術領域，尤其涉及一種基于TLSSA算法的特征信息選擇方法。

背景技術

隨著智能計算領域的發展，許多實際和復雜的工程應用可以轉化為不同學科和工程領域的優化問題，通過數學建模進行求解。精確性算法作為一種解決優化問題的傳統的技術，當問題的規模較小時能夠求出問題的最優解。然而，它的計算規模可能呈指數級增長。當問題的規模較大時，這使得精確性算法尋找并獲得最優解幾乎變得不可能。元啟發式算法是最近一些年提出的智能優化算法，它受到了國內外研究學者的廣泛的關注。由于其靈活的配置、簡單的結構和高的搜索效率。元啟發式算法不依賴于具體的問題和利用問題的任何特殊性，因此可以作為一種黑盒測試。一般來說，它們他們并不貪婪。事實上，他們甚至可能接受某個具體問題中解的暫時惡化，這使它們能夠更徹底地探索解的空間，從而得到一個有希望的更好的解(有時會與全局最優相吻合)。盡管元啟發式算法是一種獨立于問題的技術，但仍有必要對其內在參數進行一些微調，以便使該技術適應手頭上的問題。

通常，元啟發式算法可以被考慮劃分為兩類根據它們的啟發原理：進化算法和基于群的算法。這前者(進化算法)的靈感來源于大自然的生物進化的演化過程，一些經典的進化算法有遺傳算法、差分進化算法、遺傳規劃算法等。這后者(基于群的算法)主要模仿昆蟲或者一些動物的覓食或者其它的行為，通過對它們行為的研究而抽象出來的一種算法。一些常見的群智能算法有人工蜂群算法、粒子群算法、鯨魚優化算法等。

這樽海鞘群算法屬于基于群的智能優化算法，由于它簡單的結構，容易實施和高效的搜索能力這使得它已經被廣泛的應用于不同領域的優化任務。這SSA算法的更新原理主要是受樽海鞘個體在深海中尋找食物的生物行為而得到啟發。研究生人員根據種群中的領導者在移動的過程中不斷的探索食物資源更豐富的區域去尋找質量更好的解，剩余的樽海鞘尾隨并逐漸靠攏領導者去探索解空間。研究人員根據樽海鞘的這種獨特的捕食行為而提出了這SSA算法。

有研究表明新型的算法的結構或雜交算法對算法的性能和效率有較大幅度的改善。它有助于分析算法的性能和適用域，且由比較可發現各算法獨特的優點和不足，以便改善算法的結構、參數，發展各種可能的高效的混合算法。

然而，基礎的SSA算法在迭代的過程中收斂速度慢和在一些高維函數上容易陷入局部最優等問題。

發明內容

本發明實施例所要解決的技術問題在于，提供一種基于TLSSA算法的特征信息選擇方法，能很大的增強算法的收斂速度和局部最優避免能力。在解決真實世界中的實際案例上，我們提出的方法相較于傳統的技術有明顯的優勢。

為了解決上述技術問題，本發明實施例提供了一種基于TLSSA算法的特征信息選擇方法，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；