59、智能算法与协作运输模型的实验研究与应用

智能算法与协作运输模型的实验研究与应用

在当今科技领域，数据处理和机器人协作运输是两个备受关注的方向。一方面，数据的有效处理需要高效的算法来进行属性约简，以提高分类准确性；另一方面，机器人协作运输能够解决更复杂和更重负载的运输问题。本文将介绍MARSR算法在属性约简方面的实验分析，以及受蚁群觅食启发的两种协作运输模型。

1. MARSR算法实验分析

为了验证MARSR算法在属性约简方面的有效性，选取了UCI数据库和OpenML平台的9个基准数据集进行实验。

1.1 实验环境

• 数据集选择 ：包括KC1、KC2、Lung、Breast cancer等9个数据集，涵盖数值、符号和混合属性类型，具体信息如下表所示：
  | 数据集 | 属性类型 | 样本数 | 属性数 |
  | — | — | — | — |
  | KC1 | 数值 | 2109 | 22 |
  | KC2 | 数值 | 522 | 21 |
  | Lung | 数值 | 32 | 56 |
  | Breast cancer | 数值 | 699 | 9 |
  | Vote | 符号 | 435 | 16 |
  | Lymphography | 符号 | 148 | 18 |
  | Mushroom | 符号 | 8124 | 22 |
  | Soybean-small | 符号 | 47 | 35 |
  | Zoo | 混合 | 101 | 16 |
• 分类器与验证方法 ：采用LIBSVM分类器和10