群體智能優化算法

群體智能（SI）源于對以螞蟻、蜜蜂等為代表的社會性昆蟲的群體行為的研究，群居性生物通過協作表現出的宏觀智能行為特征。群體智能算法有粒子群優化算法(PSO)、蟻群優化算法(ACO)、人工蜂群優化算法(ABC)、差分進化算法(DE)、引力搜索算法(GSA)、螢火蟲算法(FA)、蝙蝠算法(BA)、布谷鳥優化算法(COA)、灰狼優化算法(GWO)、鯨魚優化算法(WOA)和Salp群算法(SSA)等等

粒子群優化算法(PSO)

粒子群優化是一種強大的基于群體智能的優化方法，這種優化方法的靈感來自于鳥類和魚類的集體行為，最近已被大量研究用于優化最終特征子集的選擇。

研究現狀

改進方式目標數目的應用場景

將wrapper PSO和粗糙集理論相結合	單目標	提高疾病診斷的分類精度	醫學應用
粒子群優化方法與支持向量機相結合	單目標	提高了特征選擇的性能	數值型
將PSO-SVM與分布式并行架構相結合	單目標	克服高維數據集的高計算復雜度	數值型
開發新的初始化方法和最佳粒子更新策略	單目標	選擇相關和非冗余特征的子集來降低計算復雜度	數值型
提出二值PSO (BPSO)算法與Hamming distance的集成模型	多目標	利用漢明距離來改進BPSO算法的速度更新過程	醫學應用
提出改進的多目標PSO算法用于不可靠數據分類	多目標	提高粒子群算法的搜索能力	數值型
將相關特征選擇與改進的二進制PSO算法相結合	單目標	去除不相關和冗余特征來選擇相關度高的特征子集	基因選擇和癌癥分類
提出一種基于pso的特征選擇方法	單目標	提高了疾病診斷的性能	醫學應用
開發一種遞歸粒子群優化策略	單目標	以選擇數據集中的相關和非冗余特征子集	基因選擇
使用二進制黑洞算法和改進的BPSO算法	單目標	提高性能	光譜學
開發一種改進的BPSO方法用于特征選擇	單目標	提高了肝病和腎臟疾病診斷中特征選擇的準確性	醫學應用
提出一種基于pso的多分類器特征選擇	單目標	提高分類精度，降低計算復雜度	數值型
提出一種新的自適應參數和策略來處理高維數據集的特征選擇	多目標	提高了粒子優化算法對高維數據集的搜索能力	醫學應用

蟻群優化算法(ACO)

蟻群優化(ACO)是群體智能的一部分，它模仿螞蟻的合作行為來解決復雜的組合優化問題。

研究現狀

改進方式目標數量目的應用場景

將神經網絡和IG方法相結合	單目標	去除冗余和不相關的特征	數值型
提出一種新的基于aco的基因選擇方法	單目標		基因選擇
提出一種新的蟻群算法來去除不相關和冗余的特征	單目標	利用局部搜索策略來選擇最終的特征集，避免陷入局部最優	數值型
基于粗糙集理論的蟻群算法特征選擇方法	單目標		數值型
提出一種無監督的基于aco的特征選擇方法來去除冗余和不相關的特征	單目標	考慮特征之間的相似性，在分層過程中選擇最優的特征子集	數值型/醫學應用
提出特征選擇和蟻群優化相結合的方法	多目標	提高不平衡數據的分類精度	數值型

人工蜂群優化算法(ABC)

人工蜂群算法(ABC)是一種基于si的優化方法，其靈感來自于蜜蜂群體的生活方式。這個算法試圖模仿蜜蜂群體的食物搜尋行為。該優化技術集成了局部搜索策略和隨機搜索策略，可用于復雜優化問題。這種基于群體智能的優化技術在選擇最終特征集方面已經被廣泛應用。

研究現狀

改進方式目標數量目的應用場景

提出一種新的基于人工蜂群的特征選擇方法	單目標		數值/醫用
開發一種改進的基于abc的特征選擇方法（與相似度搜索策略）	單目標	提高了特征選擇的性能	數值/醫用
提出一種結合ABC算法和蟻群算法的特征選擇方法	單目標	同時利用了人工蜂群算法和蟻群算法的優點	數值/醫用
將ABC算法和pareto最優前表面相結合	單目標	提高特征選擇方法的精度和ABC算法的收斂性	數值型
開發一種多Hive ABC編程方法	單目標	消除不相關和冗余的特征	數值型
開發一種基于abc的多目標特征選擇方法	多目標	提高ABC搜索策略的搜索能力和收斂性	數值型
將多目標優化算法與樣本約簡策略相結合	多目標	提高分類精度，降低計算復雜度。	數值型

差分進化算法(DE)

差分進化(DE)算法是一種基于si的搜索策略技術，已被開發用于解決復雜的優化問題。該優化方法克服了遺傳算法缺乏局部搜索的主要缺點。DE算法與遺傳算法的主要區別在于遺傳選擇算子。DE算法被用于機器學習任務和特征選擇的不同應用中。

研究現狀

改進方式目標數量目的應用場景

DE算法和基于輪子的搜索機制開發一種基于包裝器的特征子集選擇	單目標		數值/醫用
提出一種基于多目標de的方法	多目標	去除不相關和冗余，提高分類精度	數值/醫用
提出一種基于多目標de的特征選擇方法	多目標	定義一種新的變異算子來逃避局部最優解	數值/醫用
新的基于多目標de的特征選擇方法	多目標	在進行特征選擇的同時提高聚類算法的性能	數值/醫用

引力搜索算法(GSA)

一些基于si的優化方法也受到了物理定律的啟發。引力搜索算法(GSA)是(Rashedi et al.，2009)一種受牛頓萬有引力定律啟發的基于物理的優化技術。GSA是一種流行的基于si的算法，在機器學習中得到了廣泛的應用，近年來，許多特征選擇方法都采用了這種優化算法。

研究現狀

改進方式目標數量目的應用場景

提出一種基于gsa的特征選擇方法	單目標	使用線性混沌映射來提高分類精度	數值/醫用
開發一種基于增強GSA和k -最近鄰分類器的特征選擇混合系統	單目標	采用分段線性混沌映射和序列二次規劃進行勘探	數值/醫用
提出一種高效的混合特征選擇方法	單目標	利用SI和遺傳算法的優點來提高GSA算法的性能	數值/醫用

螢火蟲算法(FA)

螢火蟲算法(FA)是由yang在2010a提出的，其主要思想是受到螢火蟲之間光學連接的啟發。螢火蟲算法是群體智能的一個明智的例子，在該算法中，低性能的代理可以一起工作，以實現高性能的偉大結果。

研究現狀

改進方式目標數量目的應用場景

開發一種新的基于FAS的特征選擇方法	多目標	防止FA算法的過早收斂，從而提高特征選擇的準確性	數值型
在標準FA中添加了一些變體	單目標	提高了最終特征選擇的準確性	面部表情
基于FA的特征選擇方法	單目標	用于使用SVM分類器對阿拉伯文本進行分類	文本
基于FA的特征選擇方法用于網絡入侵檢測	單目標	互信息和c4.5和貝葉斯網絡的組合來選擇特征	網絡入侵

蝙蝠算法(BA)

蝙蝠算法（BA）（Yang，2010b）是一種受蝙蝠在自然環境中集體行為啟發的算法，由Yang于2010年引入。bat算法是一種基于群體智能的算法，其靈感來源于蝙蝠的回聲定位行為。蝙蝠通過發送聲波和接收反射來找到獵物的確切路徑和位置。當聲波返回蝙蝠波的發射器時，鳥兒可以在其周圍環境前面畫出障礙物的音頻圖像，并能很好地看到周圍環境。

研究現狀

改進方式目標數量目的應用場景

bat算法和改進的PSO算法的混合變體	單目標	提高特征選擇性能	數值/醫用
提出一種基于二進制BA的圖像隱寫分析特征選擇方法	單目標	提高最終的檢測精度	圖像隱析
使用bat算法搜索最佳特征子集（mRMR和BA相結合）	單目標	提高癌癥分類的準確性	醫學應用

布谷鳥優化算法(COA)

布谷鳥優化算法 (COA) 是另一種基于群體智能的算法，靈感來自一種叫做布谷鳥 (Rajabioun，2011) 的鳥類的特殊生活方式。產卵的特定習慣和這種鳥的繁殖是形成這種優化算法的基礎。與其他進化算法一樣，布谷鳥優化算法始于杜鵑的初始種群。這種杜鵑的早期種群有許多卵被放置在寄主鳥的巢中。有些與寄主鳥蛋較為相似的蛋，長成成鳥的機會較大。其他卵被宿主蝴蝶識別并破壞。生長的雞蛋表明，巢穴在搜索空間中是一個更好的地方，并且該區域的實用性更高。布谷鳥優化算法，也就是優化函數，目標是找到大多數雞蛋有更多生存機會的地方。

研究現狀

改進方式目標數量目的應用場景

先用過濾式去無關，再用包裹法和COA選出最終特征	單目標	提高癌癥分類的準確性	數值/醫用
提出一種布谷鳥搜索算法和神經網絡相結合的特征選擇方法	單目標	在選擇非冗余和相關特征的特征子集之后，將最終選擇的特征發送到分類器，并對心臟病進行分類	醫學應用
使用布谷鳥搜索優化來優化特征子集選擇的過程，然后將這些選擇的特征發送到SVM分類器	單目標	提高疾病診斷準確性	基因表達

灰狼優化算法(GWO)

灰狼優化（GWO）是一種新的基于進化算法的優化技術，靈感來自灰狼（Mirjalili et al.，2014）。這種優化方法是最新的生物啟發技術之一，它模仿了自然界中一群灰狼的狩獵過程。

研究現狀

改進現狀目標數量目的應用場景

多目標GWO被用于搜索最相關和非冗余的特征	多目標	提高了包裝器模型的精度	數值/醫用
開發GWO的二進制版本	單目標	以選擇用于分類任務的最佳特征子集	數值/醫用
開發一種用于特征選擇的多策略集成GWO	單目標	增強以前基于GWO的特征選擇方法	數值/醫用
開發一種基于GWO的包裝器特征選擇方法	單目標	集成了用于數據分類的突變算子	數值/醫用

鯨魚優化算法(WOA）

鯨魚優化算法 (WOA) 是另一種基于SI的優化方法，其靈感來自座頭鯨的狩獵行為，這種優化方法由三個操作員組成，以模仿座頭鯨的尋找獵物，包圍獵物和氣泡網覓食行為。最近，WOA算法已成功應用于許多不同的優化問題和特征選擇。

研究現狀

改進現狀目標數量目的應用場景

開發了具有模擬退火算法的混合WOA用于特征選擇	單目標	搜索WOA算法定位的最有前途的區域來改善開發	數值/醫用
開發了一種基于WOA的包裝器特征選擇算法	單目標	錦標賽和輪盤選擇機制以及交叉和變異算子被用來改進WOA算法搜索過程的探索和開發	數值/醫用
在高維醫學數據集上使用鯨魚算法的基于頻率的濾波器特征選擇方法	單目標	使用WOA利用過濾準則丟棄不相關的特征	醫學應用

Salp群算法(SSA)

移動和覓食時的群集行為。

研究現狀

改進現狀目標數量目的應用場景

提出一種具有交叉方案的高效二進制Salp群算法	單目標	提高特征選擇的準確性	數值/醫用
通過將SSA算法與粒子群優化相結合	單目標	提高了探索和開發步驟的效率	數值型
改進的SSA和新的局部搜索算法的集成	單目標	初始解決方案的多樣性	數值/醫用
開發基于Salp群算法的特征加權方法	單目標	預測肝臟疾病、心臟和帕金森氏病的存在	醫學應用
通過添加新的控制參數和慣性權重	多目標	提高基本SSA的求解精度、可靠性和收斂速度	數值/醫用
提出一種新的SSA優化算法用于特征選擇	單目標	通過鼓勵搜索的探索，利用了一個附加階段來克服陷入局部最優的問題	數值/醫用

總結

以上是生活随笔為你收集整理的群体智能优化算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。