بهبود فاز جمعیت اولیه در انتخاب ویژگی با استفاده از الگوریتم گرگ خاکستری مبتنی بر روش مجموعه راف

بهینه سازی فرآیند جستجوی راه حل بهینه در میان همه راه حل های موجود در یک مساله خاص است. هدف از بهینه سازی یافتن بهترین جواب قابل قبول، باتوجه به محدودیت ها و نیازهای مساله است. الگوریتم های بهینه سازی رامی توان به طور گسترده به دو گروه الگوریتم قطعی والگوریتم های هوشمند تصادفی تقسیم کرد. الگوریتم های تصادفی بیشتردر دو نوع الگوریتم های ابتکاری و الگوریتم های فراابتکاری طبقه بندی می شوند. کاربرد اصلی الگوریتم های فرابتکاری در حوزه انتخاب ویژگی است. در این پژوهش، الگوریتم گرگ خاکستری توسط مجموعه راف بهبود داده شده است. درالگوریتم پیشنهادی جهت انتخاب ویژگی از ترکیب مجموعه ی راف و الگوریتم تکاملی گرگ خاکستری بهره گرفته شده است. برای بررسی کارایی الگوریتم مقایسه ای بین روش پیشنهادی با روش های دیگر نظیر الگوریتم گرگ خاکستری، تفاضل تکاملی، ژنتیک و تجمع ازدحام ذرات صورت گرفته است. نتایج بدست آمده از این آزمایش ها نشان دهنده ی برتری روش پیشنهادی نسبت به دیگر روش های تکاملی می باشد. نقطه ی قوت روش پیشنهادی بهره گیری از نظریه ی آشوب جهت بهبود جمعیت اولیه و بهره گیری از مجموعه راف در انتخاب ویژگی می باشد.

بهبود فاز جمعیت اولیه در انتخاب ویژگی با استفاده از الگوریتم گرگ خاکستری مبتنی بر روش مجموعه راف Keywords:

بهینه سازی , انتخاب ویژگی , طبقه بندی , گرگ خاکستری , مجموعه راف , نظریه ی آشوب