[发明专利]一种用于信用评估特征选择的启发式算法

权利要求书

1.一种用于信用评估特征选择的启发式算法，其特征在于，包括步骤：

S1，基于SSA算法初始化N个蜘蛛种群，其中，每个所述蜘蛛种群中包含多个个体蜘蛛a，每个所述个体蜘蛛a对应特征集中的一个特征数据；

S2，利用OBL策略计算所述N个蜘蛛种群的相反解并选择最优解形成M个OBL蜘蛛种群，每个所述OBL蜘蛛种群中包含多个个体蜘蛛a；

S3，将N个所述蜘蛛种群和M个所述OBL蜘蛛种群作为迭代数据集进行算法迭代，设置最大迭代次数Kmax，并令当前迭代次数K＝1；包括：计算所述蜘蛛种群中个体蜘蛛a的适应度值和振动值；利用局部搜索算法LSA，根据所述个体蜘蛛a的适应度值和振动值，选择最优解个体蜘蛛a，并存储最优解个体蜘蛛a；未选中个体蜘蛛a随机游走生成新的候选解；

S4，判断当前迭代次数K是否达到所述最大迭代次数Kmax，若达到，结束算法，输出所有最优解个体蜘蛛a，作为被选择的特征数据；若未达到，将所述候选解合并进入所述迭代数据集，返回步骤S3进行新的一轮迭代。

2.根据权利要求1所述一种用于信用评估特征选择的启发式算法，其特征在于，所述步骤S1具体包括：

S11，基于SSA算法根据所述特征集随机生成所述N个蜘蛛种群；

S12，初始化所述N个蜘蛛种群中的个体蜘蛛a，包括为所述个体蜘蛛a赋予初始位置信息、适应度值、目标振动信息、维度标记信息以及上一次迭代的行走记录。

3.根据权利要求1所述一种用于信用评估特征选择的启发式算法，其特征在于，所述步骤S2包括：根据SVM分类精度误差计算所述N个蜘蛛种群适应度值，根据适应度值计算所述最优解。

4.根据权利要求1所述一种用于信用评估特征选择的启发式算法，其特征在于，在步骤S3中，通过公式：

计算振动值，I(Pa,Pa,t)表示所述个体蜘蛛a在时间t.f(Pa)处源位置的振动值，其中，f(Pa)是所述个体蜘蛛a在当前位置的适应度值，C为常数。

5.根据权利要求1所述一种用于信用评估特征选择的启发式算法，其特征在于，在步骤S3中，所述利用局部搜索算法LSA，根据所述个体蜘蛛a的适应度值和振动值，选择最优解个体蜘蛛a，并存储最优解个体蜘蛛a的步骤中，还包括：指定所述多个最优解个体蜘蛛a的相反解数量，存储所述多个最优解个体蜘蛛a和所述多个个体蜘蛛a的相反解。

6.根据权利要求1所述一种用于信用评估特征选择的启发式算法，其特征在于，在步骤S3中，所述未选中个体蜘蛛a随机游走生成新的候选解的步骤，包括：通过公式:计算所述个体蜘蛛a随机游走后新位置信息，并进行存储，其中r为随机值，取值范围是(0,1)，R为随机浮点向量，取值范围为[0,1]。

7.根据权利要求1所述一种用于信用评估特征选择的启发式算法，其特征在于，所述步骤S3的所述计算所述蜘蛛种群中个体蜘蛛a的适应度值和振动值步骤之后，还包括步骤：

S31，所述个体蜘蛛a在当前位置产生振动，并捕获其他所述个体蜘蛛a的振动信息；

S32，将捕获到的振动信息选择最大值存储为目标振动值；

S33，继续随机游走。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有的计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的一种用于信用评估特征选择的启发式算法的步骤。