71、智能算法在多模态优化与特征选择中的应用探索

智能算法在多模态优化与特征选择中的应用探索

混合进化机制在特征选择中的应用

在处理墨西哥孕妇健康风险因素相关问题时，研究人员采用了混合进化机制进行特征选择。该算法包含精英策略、全局搜索机制和局部搜索机制，与基于遗传算法的“HEGAFSSL”类似。

算法的具体步骤如下：
1. 应用精英策略。
2. 对P(t)进行采样以完成O(t)。
3. 应用加速算子。
4. 应用改进机制。
5. 计算适应度。
6. 根据适应度对P(t)进行排序。
7. P(t) <- O(t)。
8. t = t + 1。
重复上述步骤直到达到停止准则，然后进行典型测试集的最终分析，计算每个特征的信息权重，得到最终的特征子集选择。

实验使用了真实世界和基准数据集，重点关注真实问题的结果。原始数据集有46个特征，经过预处理保留了29个，最终筛选出25个重要变量，其中24个不可或缺，1个相对次要。

加速算子和改进机制的效果

使用AO表示加速算子，IM表示改进机制。对于一个65549行29列的大型基本矩阵，穷举算法需要进行536870911次搜索，且搜索次数随矩阵规模呈指数增长。可能的组合数为2n - 1，取决于需要搜索的簇数量。

实验结果表明，使用AO - IM后，测试集的比例有了显著提升，具体数据如下表所示：
| 系列 | 比例 |
| — | — |
| 无AO - IM | 每100000个中有1个 |
| 有AO - IM | 每100000个中有99980个 |

适应度函数（ff）只有三个