BGWOPSO 的 MATLAB 代码:使用混合灰狼优化进行特征选择的二进制优化论文参考 - Al-Tashi, Q., Kadir, SJA, Rais, HM, Mirjalili, S., & Alhussian, H. (2019)。使用混合灰狼优化进行特征选择的二进制优化。IEEE 访问,7,39496-39508。算法详细信息链接:论文https://ieeexplore.ieee.org/abstract/document/8672550运行代码 设置所有必需的参数运行文件 demo.m
摘要:本文提出了混合灰狼优化 (GWO) 和粒子群优化 (PSO) 的二进制版本来解决特征选择问题。最初的 PSOGWO 是一种新的混合优化算法,它受益于 GWO 和 PSO 的优势。尽管性能优越,但原始的混合方法适用于具有连续搜索空间的问题。然而,特征选择是一个二元问题。因此,提出了一种称为 BGWOPSO 的混合 PSOGWO 的二进制版本来寻找最佳特征子集。为了找到最佳解决方案,使用了具有欧几里得分离矩阵的基于包装的方法 K-最近邻分类器。为了对所提出的二进制算法进行性能评估,使用了来自 UCI 存储库的 18 个标准基准数据集。
引用 Al-Tashi、Qasem 等人。“使用混合灰狼优化进行特征选择的二进制优化。” IEEE 访问,卷。7,电气与电子工程师协会 (IEEE),2019 年,第 39496–508 页,doi:10.1109/access.2019.2906757。
Binary Optimization Using Hybrid Grey Wolf Optimization for Feature Selection Paper Reference - Al-Tashi, Q., Kadir, S. J. A., Rais, H. M., Mirjalili, S., & Alhussian, H. (2019). Binary optimization using hybrid grey wolf optimization for feature selection. IEEE Access, 7, 39496-39508. Link for algorithm details: Paper https://ieeexplore.ieee.org/abstract/document/8672550 Running the code Set all the required parameters run file demo.m