[發明專利]一種增強仿生算法的可插拔式框架的實現方法

在審

• 申請號: 202211233627.2
• 申請日: 2022-10-10
• 公開（公告）號: CN115688852A
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 印振宇;竇慧莉;王平心;孫嘉琪;楊習貝
• 申請（專利權）人: 江蘇科技大學
• 主分類號: G06N3/006
• 分類號: G06N3/006
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

本發明公開了一種增強仿生算法的可插拔式框架的實現方法，包括以下步驟：讀取目標任務數據集，獲取數據集中的樣本屬性和類別信息；根據數據信息，解析特定類別上成對強鏈接約束和成對非強鏈接約束；計算與屬性相關的成對約束分數；利用屬性在不同決策類下的約束分數值，可獲得行為類別，列為屬性的約束分數矩陣；使用約束分數矩陣，識別具有最小局部約束分數值的屬性，并將該屬性添加到約簡池，完成融合局部約束分數概念的初始化種群步驟；將屬性約簡池作為不同仿生算法初始化種群。本發明旨在提供更好的初始種群代替原始仿生算法中的初始種群，具有很好的擴展性，即插即用的特性使其能輕松地應用在不同的仿生算法上，增強仿生算法的性能。

技術領域

本發明涉及計算機仿生算法執行領域，具體是涉及一種增強仿生算法的可插拔式框架的實現方法。

背景技術

目前，模擬自然規律、生物現象的智能仿生算法在農業、工業、生物醫學、人工智能等領域都有著廣泛的應用。眾多學者對自然界不同生物體行為或性質的建模衍生了多種仿生算法，例如遺傳算法、森林優化算法、魚群算法、蝙蝠算法等。這些算法被應用到各行各業，為生產難題提供了解決思路。

為了保證仿生算法在不同場景下都具有更好的收益，國內外學者們針對這些算法提出了許多優化增強方案?，F有技術CN113589811A一種基于黏菌導航針對制造企業物流的尋優算法中陳勇等人基于黏菌導航尋優算法，設置包括邊界約束和間距約束的約束條件，針對制造企業物流系統中的物料搬運問題進行尋優處理，通過定制化約束條件增強黏菌算法在企業物流中的應用；現有技術N110782460A基于FCM融合改進蝙蝠算法的圖像分割方法中朱素霞等人利用一種新的改進蝙蝠算法與FCM算法相結合的方式，使得改進后的蝙蝠模糊聚類算法耗時更少，圖像分割結果更準確。然而，以上兩種技術方案都是對某一種特定仿生算法的定制化增強，這類增強方式依賴算法模型特定的應用背景，無法做到在多元仿生算法上的即插即用。這就使得優化增強操作往往要在多個不同的仿生算法上重復實施、交叉驗證，這對仿生算法的應用推廣是不利的。

仿生算法所采用的隨機搜索策略使得其算法的穩定性降低?，F有增強方法的思路之一就是尋找有效策略盡量抵消仿生算法的隨機性帶來的負面影響?，F有技術約束分數的功能是識別樣本中具有更好區分能力的屬性，被應用于數據挖掘領域并取得了較好效果，例如現有技術CN114818900A一種半監督特征提取方法及用戶信用風險評估方法中張莉等人通過迭代計算特征約束分數，并且在迭代中考慮特征間隔分數、特征之間的關聯性和特征的判別性，使得所提取出的特征更具代表性、更具判別能力。但是張莉等人所提類別約束分數的推導需要通過迭代計算直至設定閾值，方案實現過程更復雜，計算成本更高，這對擴展到其他算法上實施是不利的。

現有仿生算法的增強大都需要預先獲取特定生產流程的所有信息，并通過前置知識進行適應度算法選型，再通過大量實驗最終選定某一種仿生算法進行應用。這對于算法的增強代價是巨大的。并且現有的已成熟應用的仿生算法家族龐大，對這些算法的增強無法做到即插即用、高效對比。此外，被應用于特征選擇過程中的傳統約束分數策略不具備對特定類別樣本的判別能力，而經過優化的類別約束分數又需要大量的迭代計算，因此缺乏以輕量化形式融入其他算法的優勢。

鑒于此，我們提出一種更簡單易懂且計算量小的約束分數矩陣方案來篩選屬性，并將其融合到仿生算法上以提升算法性能。通過腳本語言設計成小巧輕便的可插拔式框架，該框架適應于各類常見的仿生算法，能夠有效的在不同業務模式下增強算法效果，從而做到在增加技術選型算法穩定性的同時提升算法的分類準確率。

發明內容

發明目的：本發明旨在提供一種局部約束分數矩陣策略來優化仿生算法初始種群的生成方法，使用更好的初始種群代替原始仿生算法中的初始種群，以增強仿生算法的整體性能?；谶@種策略發明的框架具有很好的擴展性，即插即用的特性使其能輕松地應用在不同的仿生算法上，使仿生算法變得簡單高效，從而增強仿生算法的性能。

技術方案：一種增強仿生算法的可插拔式框架的實現方法，包括以下步驟：