基于强化学习的多目标特征选择算法研究

来源：计算机测量与控制杂志2026年第3期北京时间：

作者：雷明月,金利英

摘要：特征选择作为降维方法，能够减少高维数据计算复杂度。然而传统方法多集中于单目标优化，难以同时平衡分类准确率和特征数量，特别是在高维数据中存在收敛性不足的问题。针对该问题，提出了一种基于强化学习和双种群策略的多目标特征选择算法（QSNSGA-Ⅱ），该算法通过强化学习动态调整关键参数，在保持种群多样性的同时加快收敛速度。采用双种群协同进化策略，增强了全局搜索能力，提高了算法性能。通过在多个UCI数据集上进行实验，尤其在高维数据集Musk1和Sonar数据集上准确率达到了91.1585%和84.636%，展示了该算法优异的特征选择效果及较好的收敛性和多样性。

关键词：特征选择;多目标算法;强化学习;双种群协同;UCI数据集

基金资助：国家基金课题专项资助项目（2024pygpzk05）