基于莱维飞行策略的改进樽海鞘群算法

针对樽海鞘群算法（ Salp SwarmΔ lgorithm，SSΔ）在寻优过程中存在的收敛速度较慢、容易陷入局部最优的缺点，提出了一种改进的采用莱维飞行策略的条件化更新的樽海鞘群算法（ Levy Flight-based CondiTIonal UpdaTIng Salp Swarm algorithm， LECUSSA），并将其运用于分类算法的特征子集选择过程。首先，利用莱维飞行策略的长短跳跃特点对领导者位置进行随机更新，以增强全局最优的搜索能力;其次，増加对追随者位置的更新条件，让追随者不再盲目地跟随，从而加快收敛速度。在23个优化基准函数上对LECUSSA算法与其他算法进行了性能比较实验;并把算法运用到支持向量机（ Support vector Machine，sSVM）算法的分类特征子集选择中，采用8个UCⅠ数据集对特征选择后的分类结果进行了性能比较实验。实验结果表明， LECUSSA具有良好的全局最优搜索能力和较快的收敛速度，利用LECUSSA算法进行特征选择后，能够找到最佳分类准确率的特征子集。