计算机研究与发展

作者：李庚松,刘艺,郑奇斌,李翔,刘坤,秦伟,王强,杨长虹,

关键词：算法选择, 多目标蚁狮优化, 元特征选择, 选择性集成, 元学习, 分类,

算法选择是指从可行算法中为给定问题选择满足需求的算法，基于元学习的算法选择是应用较为广泛的方法，元特征和元算法是其中的关键内容，而现有研究难以充分利用元特征的互补性和元算法的多样性，不利于进一步提升方法性能.为了解决上述问题，提出基于多目标混合蚁狮优化的算法选择方法（SAMO），设计算法选择模型，以集成元算法的准确性和多样性作为优化目标，引入元特征选择和选择性集成，同时选择元特征和异构元算法以构建集成元算法；提出多目标混合蚁狮算法对模型进行优化，使用离散型编码选择元特征子集，通过连续型编码构建集成元算法，应用增强游走策略和偏好精英选择机制提升寻优性能.使用260个数据集、150种元特征和9种候选算法构建分类算法选择问题来进行测试，分析方法的参数敏感性，将多目标混合蚁狮算法与4种演化算法进行比较，通过对8种对比方法与所提方法进行对比实验，结果验证了所提方法的有效性和优越性.

来源：2023年第7期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2023年第7期