计算机应用

作者：李蒙蒙, 秦伟, 刘艺, 刁兴春

单位：1. 中国人民解放军军事科学院 国防科技创新研究院, 北京 100071;2. 天津(滨海)人工智能创新中心, 天津 300457

关键词：蚁群优化算法,头脑风暴优化,混合算法,特征选择,数据分类

基金：国家自然科学基金资助项目（91648204，61802426）。

特征选择能够有效提升数据分类的性能。为了进一步提升蚁群优化（ACO）在特征选择上的求解能力，提出一种结合头脑风暴优化的混合蚁群优化（ABO）算法。该算法利用信息交流档案维护历史较好解，并通过基于松弛因子的时间最久优先方法动态更新档案。当ACO的全局最优解多次未更新时，采用基于Fuch混沌映射方法的路径-想法转换算子将档案中的路径解转换为想法解，并将其作为初始种群，通过头脑风暴优化（BSO）在更广阔的空间中搜索较好解。对所提算法在6组典型的二分类数据集上进行实验，分析了其参数敏感性，并与混合萤火虫粒子群优化（HFPSO）算法、粒子群优化与引力搜索算法（PSOGSA）以及遗传算法（GA） 这三种典型的演化算法进行对比。实验结果表明，相较于对比算法，所提算法在分类正确率上至少可提高2.88%~5.35%，在F1指标上至少可提高0.02~0.05，验证了所提算法的有效性和优越性。

来源：2021年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第8期