يك الگوريتم بهينه سازي گرگ خاكستري باينري -vشكل براي انتخاب ويژگي

در اين مقاله يك الگوريتم بهينهسازي باينري گرگ خاكستري معرفي ميشود كه براي يافتن زير مجموعهاي از ويژگيهاي مطلوب براي اهداف طبقهبندي در حالتي پوششي مورد استفاده قرار ميگيرد. الگوريتم گرگ خاكستري ( )GWOيكي از جديدترين تكنيكهاي بهينهسازي الهام گرفته از طبيعت است، كه روند شكار گرگ خاكستري در طبيعت را تقليد ميكند. اين الگوريتم با استفاده از عملگرهايش، تعادلي ميان اكتشاف و بهرهبرداري براي جستجو جواب بهينه در دامنه راهحلها برقرار ميكند. در روش دودويي معرفي شده ( ،)BGWO-Vاز تابع-vشكل تانژانت هايپربوليك دو جوابي كه ناشي از گامبرداري تصادفي ميباشد مقادير پيوسته دارند و از اين رو بايد به يك جواب باينري تبديل شوند. تبديل با استفاده از تقسيم مقادير پيوسته توسط تابع -Vشكل در هر بعد انجام ميشود، و از حد آستانه تصادفي ميزان برازندگي براي بروزرساني موقعيت گرگ خاكستري دودويي استفاده گرديده است. اين روش در دامنهي انتخاب ويژگي براي يافتن زيرمجموعهاي از ويژگيها با حداكثر دقت و صحت طبقهبندي و حداقل تعداد ويژگيهاي انتخاب شده، طراحي شده است. روش ( )BGWO-Vبا چهار الگوريتم تكاملي بهينهسازي ازدحام ذرات، الگوريتم ژنتيك و الگوريتمهاي گرگ خاكستري استاندارد در اين زمينه مقايسه گرديده است. مجموعهاي از شاخصهاي تخمين براي ارزيابي و مقايسه روشهاي مختلف بر روي 6مجموعه دادهي مختلف از مخزن UCIمورد استفاده قرار گرفته است. نتايج حاصل، قابليتهاي نسخه دودويي BGWO-Vرا در جستجوي فضاي ويژگي براي تركيب ويژگيهاي بهينه نشان ميدهد.