يك الگوريتم جديد ممتيك مبتني بر اتوماتاي يادگير براي حل مساله انتخاب ويژگي

پيدا كردن زير مجموعه اي از يك مجموعه بزرگِ ويژگي ها، مسئله اي است كه در بسياري از زمينه ها با آن روبرو هستيم. از آنجايي كه افزايش تعداد ويژگي ها، هزينه محاسباتي يك سيستم را افزايش مي دهد، طراحي و پياده سازي سيستم ها با كمترين تعداد ويژگي با كارايي قابل قبول، ضروري به نظر مي رسد. اين موضوع ما را به سمتي هدايت مي كند كه از روش هاي جستجو براي پيدا كردن زير مجموعه اي بهينه از ويژگي ها استفاده كنيم. در اين مقاله يك الگوريتم ممتيك جديد، مبتني بر اتوماتاي يادگير براي ح مساله انتخاب ويژگي ارائه شده است. روش ارائه شده يك روش تكاملي است كه از تركيب الگوريتم ژنتيك سنتي و جستجوي محلي حاصل شده است. در اين روش از اتوماتون يادگير با ساختار ثابت جهت بازنمايي كروموزمها و انجام جستجوي عمومي استفاده شده و با استفاده از دانش مساله، يك جستجوي محلي جهت تركيلب با الگوريتم ژنتيك ارائه شده است. مقايسه روش ارائه شده با ساير روش هاي متاهيوريستيك برتري اين الگوريتم را نشان مي دهد