基于自学习二元差分进化的多目标特征选择
来源：计算机应用与软件杂志2024年第5期北京时间：
作者：胡振稳, 杨改贞
摘要：为提升特征选择算法的搜索能力，加快收敛速度，提出一种基于自学习二元差分进化的多目标特征选择方法。引入三种算子，基于概率差的二元变异算子来产生最优解，从而快速地引导个体定位潜在的最优区域。另外，引入的净化搜索算子可以提高处于最优区域的精英个体的自学习能力，而具有拥挤距离的非支配排序算子可以降低差分进化中选择算子的计算复杂度。在多个数据集的实验结果表明，提出的方法能够实现高效精确的多目标特征选择。
关键词：自学习, 二元差分, 多目标, 特征选择
