改良樽海鞘群算法的莱维飞行策略应用

简介：
本研究旨在通过引入改进的莱维飞行策略来优化樽海鞘群算法，提高其在复杂问题求解中的搜索效率与精度。 为了改进樽海鞘群算法（Salp Swarm Algorithm, SSA）在寻优过程中收敛速度慢以及容易陷入局部最优的问题，本段落提出了一种采用莱维飞行策略的条件化更新樽海鞘群算法（Levy Flight-based Conditional Updating Salp Swarm Algorithm，LECUSSA），并将其应用于分类算法中的特征子集选择过程。首先，利用莱维飞行策略的独特跳跃特性来随机更新领导者的位置，以增强全局最优解搜索的能力；其次，在追随者位置的更新过程中引入条件控制机制，使它们不再盲目跟随领导者，从而加速了收敛速度。通过在23个优化基准函数上进行性能比较实验，并将算法应用于支持向量机（Support Vector Machine, SVM）分类特征子集选择中，使用8个UCI数据集对结果进行了评估。结果显示LECUSSA具有较强的全局搜索能力和较快的收敛速率，在经过该算法处理后的特征选择过程中能够找到最佳分类准确率所需的特征子集。