全局混沌蝙蝠优化算法

摘要：

为提高蝙蝠算法进行特征选择的正确率,提出全局混沌蝙蝠优化算法(GCBA).首先,GCBA采用混沌映射方法使种群的初始化能够遍历整个解空间,获取蝙蝠初始的最优位置,使其具有更加丰富的种群,解决了初始化种群随机性的问题.同时,GCBA引入当前粒子的最优解和当前种群的最优解跳出局部最优解,可有效避免算法早熟,有利于提高算法的全局搜索能力.蝙蝠算法(BA)、粒子群算法(PSO)与遗传算法(GA)在10个数据集上的测试结果表明,所提算法具有更高的分类精度和更强的跳出局部最优的能力.

关键词：蝙蝠算法、混沌映射、全局优化、局部最优、特征选择

所属期刊栏目：41

分类号：TP182(自动化基础理论)

资助基金：国家自然科学基金资助项目61602206

在线出版日期：2020-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：488-491,498