控制与决策

作者：王霞,张珊,王勇,王卓然

单位：云南民族大学 电气信息工程学院;,,云南民族大学 电气信息工程学院;,,云南民族大学 电气信息工程学院;,,云南民族大学 电气信息工程学院;,

关键词：特征选择森林优化算法;评分机制;类贪心;初始化;播种策略;计算效率

基金：云南省科技厅基础研究专项-面上项目(202201AT070021)；国家自然科学基金项目(61963038)；云南省教育厅科学研究基金项目(2022J0439).

森林优化特征选择算法(FSFOA)具有良好的分类性能和维度缩减能力, 但其初始化森林的质量参差不齐, 局部播种和全局播种的随机性较大, 且适应度评估代价较高导致计算效率较低. 针对上述问题, 提出一种基于评分机制的类贪心森林优化特征选择算法(FSGLFOA-SM). 首先, 以每维决策变量的分类精度为其得分构建评分机制, 提出类贪心初始化策略以生成较优质的初始化森林; 其次, 提出基于评分比较的类贪心局部播种策略, 使评分相对较高的决策变量获得更大的局部播种概率; 然后, 在全局播种阶段提出类贪心遗传算子播种策略, 对候选森林择优重建并进行遗传、类贪心交叉和变异操作, 以保留评分较高的特征维度, 有利于提高全局播种阶段的分类准确率; 最后, 为解决昂贵适应度评估带来的计算效率低下问题, 建立历史数据库, 在适应度评估前先进行库内查找, 减少了重复解个体的计算量. 实验结果表明, 相比9个对比算法, FSGLFOA-SM在16个UCI数据集上的分类精度和维度缩减率更加优越.

来源：2025年第2期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第2期