استفاده از عملگر جهش و روشهای کلاسیک جهت بهبود الگوریتم مورچگان باینری

در این مقاله، نسخه بهبود یافته ای از الگوریتم بهینه ساز جمعیت مورچگان باینری با ترکیب عملگر جهش و روشهای کلاسیک برای مساله انتخاب ویژگی ارائه شده است. در روش پیشنهادی با استفاده از اطلاعات بدست آمده از روشهای انتخاب پیش رو و حذف پس رو ترمبینایی در الگوریتم مورچگان باینری تقویت می شود و عملگر وراثتی جهش از رکود الگوریتم جلوگیری میکند. روش پیشنهادی برای مساله انتخاب ویژگی بر روی دادههایSonar و Vehicle ،Wine ،Vowel ،Glassآزموده شده و در نهایت نتایج حاصل از آزمایشها ارائه شده است همچنین، برای ارزیابی کارایی روش پیشنهادی، نتایج آزمایشها با روشهای الگوریتم بهینه ساز جمعیت مورچگان باینریBACO) و الگوریتم وراثتی باینریGA) مقایسه شده است. نتایج بیانگر کارایی مناسب الگوریتم پیشنهادی است.

Keywords:

الگوریتم بهینه ساز جمعیت مورچگان باینری , انتخاب ویژگی , روش انتخاب پیشرو , روش حذف پسرو , عملگر جهش