[发明专利]基于融合随机黑洞策略的灰狼优化算法的特征选择方法

权利要求书

1.一种基于融合随机黑洞策略的灰狼优化算法的特征选择方法，其特征在于，包括：

初始化灰狼种群，获得灰狼种群的位置更新，计算公式如下：

d＝|C·X_p(t)-X(t)| (2)

X(t+1)＝X_p(t)-A·d (3)

其中，X_p表示当前猎物的位置向量，X表示灰狼的位置向量，A是随着系数a变化的随机变量，用于控制灰狼种群的扩大与缩小，C表示更新位置时对猎物预测位置的扰动系数；

融合随机黑洞策略更新3匹头狼α、β和δ的位置，求解3匹头狼与剩下的γ狼之间的相对距离，对剩下的γ狼的位置进行调整，计算公式如下：

d_α＝|C₁·X_α-X| (6)

d_β＝|C₂·X_β-X| (7)

d_δ＝|C₃·X_δ-X| (8)

其中，X_α、X_β和X_δ分别为3匹头狼当前的位置，d_α、d_β和d_δ分别为当前γ狼位置向3匹头狼位置趋近的近似距离；

根据所述近似距离获得当前γ狼位置更新之后的位置，计算公式如下：

X₁＝X_α-A₁·d_α (9)

X₂＝X_β-A₂·d_β (10)

X₃＝X_δ-A₃·d_δ (11)

其中，t为当前迭代次数；

根据3匹头狼α、β和δ的位置预测最优解的值。

2.根据权利要求1所述的基于融合随机黑洞策略的灰狼优化算法的特征选择方法，其特征在于，系数a和扰动系数C的计算公式如下：

C＝2·r₃ (5)

其中，r₂和r₃是在[0，1]范围内的随机数，系数a是在[0，2]范围内随着迭代次数增加而线性递减的控制系，l为当前迭代次数，maxiter为最大迭代次数。

3.根据权利要求1所述的基于融合随机黑洞策略的灰狼优化算法的特征选择方法，其特征在于，还包括：

在随机黑洞策略的每一次迭代过程之中，以当前全局最优粒子作为中心形成黑洞，所述黑洞的半径为R；

设置常数阈值p∈[0，1]作为黑洞吸引当前搜索粒子X(t)的概率；

每一个搜索粒子对应生成一个随机数l∈[0，1]，当所述随机数l>p时，根据原来的方式进行位置更新；

当所述随机数l≤p时，所述当前搜索粒子被黑洞吸引，位置更新公式如下：

X(t+1)＝X_best+2R(r₁-0.5)，when l≤p (1)

其中，X(t+1)为更新之后的粒子位置，X_best为当前全局最优粒子位置，r₁为一个[0，1]的随机数，用于控制更新粒子的位置。

4.根据权利要求3所述的基于融合随机黑洞策略的灰狼优化算法的特征选择方法，其特征在于，所述常数阈值P为0.1或者0.3。

5.根据权利要求1所述的基于融合随机黑洞策略的灰狼优化算法的特征选择方法，其特征在于，还包括：

构造适应度函数，用于反映特征个数和准确率之间的关系，计算公式如下：

其中，fitness表示适应度函数的结果，accuracy表示分类算法的准确率，λ表示分类算法使用的特征个数。