.png){kind=icon}
返回
Reinforcement learning assisted sparse population coevolutionary algorithm for multi-component spectral feature selection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.swevo.2026.102292.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
作为光谱定量分析的关键步骤，光谱特征选择从高维光谱数据中识别最相关和显著的特征。该过程旨在提高浓度预测模型的准确性，同时降低模型复杂度。然而，现有进化算法未能考虑此问题中的潜在协同作用，可能导致性能下降。本文提出了一种基于深度强化学习的稀疏种群协同进化算法，用于多组分光谱特征选择。该方法引入辅助稀疏种群用于单组分光谱特征选择，并利用深度Q学习网络（DQN）选择一个种群作为进化辅助，从而加速多组分光谱特征选择中主稀疏种群的探索与利用。DQN建立了从种群状态到用于协同演化的辅助种群选择动作的映射。在每个代中，基于主种群的当前状态选择最佳辅助进化种群，从而促进向帕累托最优前沿收敛。在实验中，采用肉类和烟气数据集评估所提算法的有效性。实验结果表明，所提算法在多组分光谱特征选择方面优于四种当前最先进的进化算法。
Keyword:
Spectral feature selection
Sparse population coevolutionary algorithm
Deep Q-learning Network
Multi-component analysis
Reinforcement learning
期刊
IF:
8.5
论文数:
2.2K
被引数:
1.0W
机构
引用论文
.png){kind=icon}
A survey on swarm intelligence approaches to feature selection in data mining数据挖掘中特征选择的群体智能方法综述
PREAI
分享收藏PlatEMO: A MATLAB Platform for Evolutionary Multi-Objective OptimizationPlatEMO: 用于进化多目标优化的MATLAB平台
OAAI
OAAI分享收藏A Duplication Analysis-Based Evolutionary Algorithm for Biobjective Feature Selection基于重复分析的双目标特征选择进化算法
PREAI
分享收藏Variable-Length Particle Swarm Optimization for Feature Selection on High-Dimensional Classification高维分类特征选择的变长粒子群算法OAAI
OAAI分享收藏Multiobjective evolutionary algorithms: A comparative case study and the Strength Pareto approach多目标进化算法: 比较案例研究和强度帕累托方法
PREAI
分享收藏
查看更多内容