.png){kind=icon}
返回
A velocity-based butterfly optimization algorithm for high-dimensional optimization and feature selection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2022.117217.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在过去的十年中，高维函数优化问题在智能计算领域引起了广泛的研究兴趣。蝶形优化算法是一种新的元启发式技术，已被证明在低维问题上比其他优化方法更具竞争力。基本的蝶形优化算法及其变体不用于解决高维问题。因此，本文提出了一种改进的蝶形优化算法来处理高维优化问题。受粒子群优化算法的启发，通过在局部搜索阶段引入速度项和记忆项，设计了修正的位置更新方程，以指导候选个体的搜索。此外，在蝶形优化算法中引入了一种新颖的基于折射的学习策略，以有效地增强多样性和探索性。在100，1000，10,000个维度的40个基准问题上测试了该算法的有效性。统计结果表明，我们的算法比基本的蝶形优化算法，其变体和其他基于种群的方法具有更好的性能来处理高维优化问题。最后，解决了风力发电机的高维特征选择和故障识别问题，比较表明，该算法在分类精度和最佳特征子集数量方面优于大多数方法。
Keyword:
Butterfly optimization algorithm
High-dimensional optimization
Refraction-learning
Feature selection
Particle swarm optimization
Global optimization
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
.png){kind=icon}
分享收藏分享收藏Presentation bias is significant in determining user preference for search results—A user study
PREAI
分享收藏
查看更多内容