群体智能优化算法
群体智能（SI）源于对以蚂蚁、蜜蜂等为代表的社会性昆虫的群体行为的研究，群居性生物通过协作表现出的宏观智能行为特征。群体智能算法有粒子群优化算法(PSO)、蚁群优化算法(ACO)、人工蜂群优化算法(ABC)、差分进化算法(DE)、引力搜索算法(GSA)、萤火虫算法(FA)、蝙蝠算法(BA)、布谷鸟优化算法(COA)、灰狼优化算法(GWO)、鲸鱼优化算法(WOA)和Salp群算法(SSA)等等
粒子群优化算法(PSO)
粒子群优化是一种强大的基于群体智能的优化方法，这种优化方法的灵感来自于鸟类和鱼类的集体行为，最近已被大量研究用于优化最终特征子集的选择。
研究现状
| 改进方式 | 目标数 | 目的 | 应用场景 |
|---|---|---|---|
| 将wrapper PSO和粗糙集理论相结合 | 单目标 | 提高疾病诊断的分类精度 | 医学应用 |
| 粒子群优化方法与支持向量机相结合 | 单目标 | 提高了特征选择的性能 | 数值型 |
| 将PSO-SVM与分布式并行架构相结合 | 单目标 | 克服高维数据集的高计算复杂度 | 数值型 |
文章出处登录后可见！
已经登录？立即刷新
