[发明专利]一种基于TLSSA算法的特征信息选择方法

权利要求书

1.一种基于TLSSA算法的特征信息选择方法，其特征在于，所述方法包括以下步骤：

步骤S1、获取待选的特征信息；

步骤S2、将待选的特征信息设置为计算变量，并设置算法相关参数；其中，所述设置算法相关参数的步骤具体为定义种群的数量N，搜索空间为d维空间、d维空间的上边界ub_d、d维空间的下边界lb_d、d维搜索空间中食物的位置F_d、樽海鞘的位置x_n、搜索范围[c₁,c_n]、初始迭代次数Fes和最大迭代次数MAXFes；

步骤S3、在d维的搜索空间中，随机生成N个个体X_i的位置代表种群的初始位置，以二进制的形式表示为并计算这些个体X_i的初始的适应度值的大小，把最小适应度值的个体认为是种群中的领导者；其中，T(x)＝1/(1+e^-x/3)，代表了第i个个体的第j个维度的值；

步骤S4、将樽海鞘群按照适应度值进行排序，排在首位的适应度最小的樽海鞘的位置设为当前食物位置；

步骤S5、选定食物位置后，将群体中剩余N-1个樽海鞘，按照樽海鞘群体的排序，并判断个体X_i是否为领导者，若是使用公式(1)更新个体X_i位置；否则，使用公式(2)更新个体X_i位置；

其中，且c₂和c₃是一个在0和1范围内的随机数；是领导的樽海鞘在d维空间中的位置；是跟随的第n个樽海鞘个体在d维搜索空间中所处的位置；Fes为当前迭代次数；

步骤S6、将更新后的每个樽海鞘个体的适应度值与当前食物的适应度值进行比较，若更新后樽海鞘的适应度值优于食物，则优于食物的樽海鞘位置作为新食物的位置；

步骤S7、计算当前种群的平均位置，通过公式(3)的教学阶段更新种群的位置；

new x_i＝x_i+rand·(Teacher-TF·Mean)  (3)；

其中，new x_i是通过学生x_i产生的一个新的个体；rand是区间0和1之间的随机数；Teacher是班级里最优秀的个体；Mean是班级所有学生的平均值；TF是一个教学因子，它的值在0到2之中随机的产生；

步骤S8、从种群中随机的挑选两个个体，通过公式(4)的学习者阶段更新种群的位置；

其中，new x_i是由学生x_i产生的一个新个体；rand是区间0和1之间的一个随机数；x_k是从班级中不同于学生x_i随机挑选的一个学生；f(x_i)和f(x_k)分别代表了在班级中学生x_i和学生x_k的适应度值；

步骤S9、Fes＝Fes+1；若FesMAXFes，则返回步骤S3；否则，迭代结束；

步骤S10、输出最优个体位置及适应度值，即在待选的特征信息得到最终需要的特征信息。

2.如权利要求1所述的基于TLSSA算法的特征信息选择方法，其特征在于，在所述步骤S7中，引入飞行策略来更新种群的位置，如公式(5)所示：

new x_i＝x_i+rand·(Teacher-TF·Mean)·levy(dim)  (5)；

其中，new x_i是由个体x_i使用levy飞行方法之后获得的新的搜索代理；TF＝2·(1-rand)，其值在0到2范围内；levy是飞行策略，具体的实施公式为L_(S)～s^-1-β,0β≤2；A～N(0,σ²),B～N(0,σ²)，β是一个levy指数且设置为3/2，A和B服从正态分布，Γ(·)是伽马函数；dim是搜索空间的维度。