基于多策略融合斑马优化算法的特征选择方法

打开文本图片集

摘  要： 针对传统斑马优化算法在求解复杂优化问题时精度低、收敛速度慢和易陷入局部最优的不足，提出一种多策略融合的改进斑马优化算法（IZOA）。首先，为解决斑马个体初始位置分布不均匀的问题，引入混沌映射来增加探索过程的种群多样性；其次，受自适应权重和黄金正弦算法思想启发，提出一种基于自适应递减权重和黄金正弦更新机制的位置更新策略，用于改进斑马算法的局部寻优与全局探索能力；然后，进行标准测试函数实验，验证了IZOA能够有效提升寻优精度和收敛速度；最后，将K近邻分类器作为待优化目标，选取UCI库的12个标准数据集进行特征选择实验，并利用改进后的算法在特征选择模型中进行最优特征子集搜寻。（剩余9968字）