【2025年 SCI1区】改进成吉思汗鲨鱼算法MGKSO附Matlab代码性能实测

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

肝癌（HCC）早期诊断对患者治疗与预后至关重要，但面临诸多挑战。本文提出基于改进成吉思汗鲨鱼优化算法（MGKSO）的计算机辅助诊断系统，旨在攻克这一难题。针对 HCC 早期症状隐匿、数据高维复杂，传统方法易受噪声和冗余特征干扰的问题，MGKSO 融合准对立学习（QOBL）与正交学习（OL）策略，强化特征选择的全局搜索与局部优化能力。经构建完整计算机辅助诊断系统，并在肝癌数据集上进行实验，结果表明该系统能有效提升诊断准确性与效率，为肝癌早期诊断提供了新的可靠技术方案。

关键词

肝癌早期诊断；改进成吉思汗鲨鱼优化算法；准对立学习；正交学习；计算机辅助诊断系统

一、引言

1.1 研究背景与意义

肝癌（Hepatocellular Carcinoma，HCC）是全球范围内严重威胁人类健康的恶性肿瘤之一，其发病率和死亡率均居高不下 。早期诊断对于肝癌患者的治疗和预后具有决定性意义，若能在早期发现并及时治疗，患者的五年生存率将大幅提高 。然而，肝癌在早期阶段往往缺乏明显症状，患者难以察觉，导致多数患者确诊时已处于中晚期，错过了最佳治疗时机 。此外，肝癌诊断所涉及的医学数据具有高维、复杂且噪声多的特点，传统的机器学习诊断方法在处理此类数据时，容易受到噪声和冗余特征的干扰，难以准确提取有效诊断特征，导致诊断准确性和效率较低 。因此，开发一种高效、准确的肝癌早期诊断方法迫在眉睫。计算机辅助诊断系统凭借其自动化、快速处理数据的能力，为肝癌早期诊断提供了新的方向。本文提出的基于改进成吉思汗鲨鱼优化算法（MGKSO）的计算机辅助诊断系统，有望突破现有诊断技术的瓶颈，提高肝癌早期诊断的准确性和效率，对肝癌的早期发现和治疗具有重要的现实意义。

1.2 国内外研究现状

在肝癌早期诊断领域，国内外学者开展了大量研究 。传统的诊断方法主要包括影像学检查（如超声、CT、MRI 等）和血清学检测（如甲胎蛋白检测） 。这些方法虽然在临床诊断中应用广泛，但存在一定局限性，如影像学检查对早期微小肿瘤的检测灵敏度较低，血清学检测的特异性不足 。随着机器学习和深度学习技术的发展，越来越多的研究将其应用于肝癌诊断 。基于机器学习的方法，如支持向量机（SVM）、随机森林（RF）等，通过对医学数据进行特征提取和分类，在一定程度上提高了诊断准确性 。然而，由于肝癌数据的复杂性，这些方法在处理高维数据时，容易出现过拟合和特征选择困难的问题 。深度学习方法，如卷积神经网络（CNN）、循环神经网络（RNN）等，通过自动学习数据特征，在图像识别等领域取得了显著成果，但在肝癌诊断中，同样面临数据量不足、模型训练困难等问题 。在优化算法应用于医学诊断方面，已有研究尝试使用粒子群优化算法、遗传算法等对机器学习模型的参数进行优化，但将改进的成吉思汗鲨鱼优化算法应用于肝癌早期诊断的研究较少 。因此，本文提出的基于 MGKSO 的计算机辅助诊断系统具有一定的创新性和研究价值。

二、改进成吉思汗鲨鱼优化算法（MGKSO）

2.1 成吉思汗鲨鱼优化算法（GKSO）概述

成吉思汗鲨鱼优化算法（GKSO）是一种模拟成吉思汗鲨鱼捕食行为的新型智能优化算法 。该算法模拟成吉思汗鲨鱼在海洋中寻找食物的过程，通过个体之间的信息交流和协作，在解空间中搜索最优解 。算法中的每个个体代表一个潜在解，通过不断更新个体位置，逐步逼近最优解 。在搜索过程中，成吉思汗鲨鱼个体根据自身的经验和周围环境信息调整搜索策略，具有较强的全局搜索能力 。然而，传统的 GKSO 在处理复杂问题时，存在局部搜索能力不足、容易陷入局部最优的问题 。

2.2 准对立学习（QOBL）与正交学习（OL）策略融合

1. 准对立学习（QOBL）：准对立学习是一种通过生成当前解的准对立解来扩大搜索空间的策略 。在 MGKSO 中引入 QOBL，在算法初始化阶段和每次迭代过程中，生成当前个体的准对立解，并计算其适应度值 。若准对立解的适应度值优于当前解，则用准对立解替换当前解 。通过这种方式，增加了算法在搜索初期的多样性，提高了全局搜索能力，有助于算法更快地找到潜在的最优区域 。

1. 正交学习（OL）：正交学习是一种基于正交试验设计的优化策略，能够在解空间中更均匀地采样，提高算法的局部搜索能力 。在 MGKSO 中，利用 OL 策略对个体进行局部优化 。在算法的迭代后期，当算法接近最优解区域时，通过正交学习生成一组新的解，这些解在当前解的邻域内按照正交规则分布 。计算这些新解的适应度值，选择最优解更新当前个体 。通过 OL 策略，能够对最优解区域进行更精细的搜索，提高算法的收敛精度，避免陷入局部最优 。

2.3 MGKSO 算法流程

1. 初始化：设置算法参数，包括种群规模、最大迭代次数、搜索范围等；随机生成初始种群，每个个体代表一组特征选择方案 。

1. 适应度计算：将每个个体对应的特征选择方案应用于机器学习分类模型（如支持向量机），使用训练数据集进行训练，并在测试数据集上进行预测，以预测准确率作为个体的适应度值 。

1. 准对立学习操作：生成当前个体的准对立解，计算准对立解的适应度值，若优于当前解，则更新当前个体 。

1. 个体位置更新：根据成吉思汗鲨鱼优化算法的位置更新公式，结合 QOBL 和 OL 策略，更新个体位置 。

1. 正交学习操作：在算法迭代后期，对适应度值较好的个体进行正交学习操作，生成新的解并更新个体 。

1. 终止判断：判断是否达到最大迭代次数或满足其他终止条件，若满足则输出最优个体，即最优的特征选择方案；否则返回步骤 2 继续迭代 。

⛳️ 运行结果

📣 部分代码

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇