52、基于FSBWO算法的特征选择与6 - DOF机械臂轨迹跟踪多目标优化

基于FSBWO算法的特征选择与6 - DOF机械臂轨迹跟踪多目标优化

基于FSBWO算法的特征选择

特征选择旨在从给定数据中挑选出最优特征子集，以依据选定的评估指标提升预测模型的性能。这是一个NP - 难问题，复杂度呈指数级，且评估特征子集在预测模型上的表现会增加额外成本。不过，可将其转化为优化问题，从而降低整体复杂度。

特征选择问题可按以下方式表述：
1. 数据的每个特征视为问题的一个维度。
2. 每个维度的取值范围是0到1，0表示该特征对预测建模最不重要，1表示最重要。
3. 问题具有连续性和非线性。
4. 目标是为每个维度找到最优值，即评估每个特征的重要性，使评估指标达到最佳值。这里将其作为最小化问题，而非最大化问题，即最小化损失。公式如下：
- (f(x) = min(loss(d)))
- (x = |D|, d ⊆D)
其中，(D)是所有特征的集合，(f(x))是子集(d)的适应度值。该问题的表述综合考虑了所有特征，并考虑了特征之间的相互依赖关系，使问题复杂度保持恒定。

数据集会划分为训练集和测试集，训练集用于选择最优特征子集，测试集用于评估优化算法所选特征子集的实例。

基于黑寡妇优化算法的特征选择方法

设计了一种基于黑寡妇优化（BWO）算法的包装式特征选择方法FSBWO，并对原算法的繁殖步骤进行了修改。原BWO算法迭代步骤包括：初始化种群、选择、繁殖、同类相食、变异、评估和更新。每次重复该过程都会使种群更优，经过多次迭代后，只有最优个体存活。

原算法中，种群中两个个体的交配公式为：
1. (y1 = α × x1 + (1