基于遗传算法和布谷鸟搜索优化算法的特征选择（Matlab代码实现）

 📝个人主页：​​研学社的博客​​ 

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

目录

​​💥1 概述​​

​​📚2 运行结果​​

​​🎉3 参考文献​​

​​🌈4 Matlab代码实现​​

💥1 概述

本文遗传算法 （GA） 和布谷鸟搜索优化 （CSO） 的组合，用于分类精度最大化的特征选择。

没有使用Levy飞行，而是使用GA品种和突变来更新杜鹃，在代码中使用了朴素贝叶斯分类，但可以将其替换为任何其他分类器。

📚2 运行结果

主函数代码：

clear all;
 close all;
 clc;
 %%
 load data.mat
 n=5; % # of nests
 c=5; % # of cuckoos
 Pa=0.25; % a fraction of worst solutions
 Nf=size(data,2); % # of features
 worstN=round(Pa*n);
 for i=1:n
     solutions{i}=make_solution(Nf);
 end
 max_generation=100;
 for i=1:c
     cuckoo_solution{i}=make_solution(Nf);
 end
 for t=1:max_generation
     clc
     disp(['Searching...',num2str(t/max_generation*100),'%']);
     index=randsrc(1,c,1:n);
     for i=1:c
         if fitf(cuckoo_solution{i})>fitf(solutions{index(i)})
             solutions{index(i)}=cuckoo_solution{i};
         end
     end
     for i=1:n
         fitness(i)=fitf(solutions{i});
     end
     [~,idx]=sort(fitness);
     plot(t,fitness(idx(end)),'o');
     hold on
     xlim([1 max_generation]);
     ylim([1 100]);
     pause(0.00001);
     best_solution=solutions{idx(end)};
     best_solution2=solutions{idx(end-1)};
     wrst=idx(1:worstN);
     for i=1:length(wrst)
         solutions{wrst(i)}=make_solution(Nf);
     end
     for i=1:c
         cuckoo_solution{i}=GASearch(best_solution,best_solution2,Nf); % Genetic Algorithm Search
     end
 end

🎉3 参考文献

[1]Majid Farzaneh (2022). A combination of GA and CSO for feature selection 

​​🌈​​4 Matlab代码实现