24、基于自适应萤火虫优化算法的人类步态识别及工作预测占星术研究

基于自适应萤火虫优化算法的人类步态识别及工作预测占星术研究

自适应萤火虫优化算法用于人类步态识别

在人类步态识别领域，为了更有效地选择步态特征的最优子集，研究人员提出了一种自适应萤火虫算法。

算法策略

• 距离权重调整 ：通过调整距离权重参数γ，避免算法陷入局部极值，提高收敛速度。γ的计算涉及初始距离权重值γMax（2 ≤γMax ≤4）、迭代到最大次数时的距离权重值γMin（0.5 ≤γMin ≤1）、最大迭代次数LMax和当前迭代次数L。
• 引入Levy飞行 ：为增强萤火虫的随机移动性，引入了Levy飞行概念。更新公式为：
  [X_{m + 1} = X_m + \beta(X_n - X_m) + \alpha sign(\varepsilon) \otimes Levy]
  其中，⊗表示Levy分布的随机向量和符号向量的逐元素乘法，任意步长由Levy分布函数给出：
  [Levy \approx L(x) = x^{-t} \quad 1 < t \leq 3]

自适应萤火虫算法伪代码

以下是该算法用于特征选择的伪代码：

Input: 初始化所有参数
将数据集分为两部分：(i) 训练集，(ii) 测试集
While循环：直到L ≤ LMax
    根据公式(6)和(7)计算(α, γ)的值，α和γ为自适应参数
    Loop 1: 对于每个m = 1... N（对所有萤火虫执行）