大規模な多目的進化アルゴリズムに基づく機能選択

機能選択の問題は、多くの研究分野での基本的な問題です。この論文では、機能選択の問題は最適化の問題と見なされ、大規模な多くの客観的な進化アルゴリズムを利用することで対処されます。選択された機能の数、精度、関連性、冗長性、クラス間距離、およびクラス内距離の数を考慮すると、大規模な多目的機能選択モデルが構築されています。従来の進化的アルゴリズムを使用することにより、大規模な多目的機能選択最適化問題を最適化することは困難です。したがって、このペーパーでは、修正されたベクトル角度ベースの大規模な多目的進化アルゴリズム（MALSMEA）を提案しています。提案されたアルゴリズムは、素朴な多項式変異の代わりに可変グループ化に基づいて多項式変異を使用して、大規模な問題を解決する効率を改善します。また、シフトベースの密度推定を使用した新しい最悪のソリューション交換戦略を使用して、2人の個人の貧弱なソリューションを同様の検索方向に置き換えて収束を強化します。実験結果は、MALSMEAが競争力があり、提案されたモデルを効果的に最適化できることを示しています。

The feature selection problem is a fundamental issue in many research fields. In this paper, the feature selection problem is regarded as an optimization problem and addressed by utilizing a large-scale many-objective evolutionary algorithm. Considering the number of selected features, accuracy, relevance, redundancy, interclass distance, and intraclass distance, a large-scale many-objective feature selection model is constructed. It is difficult to optimize the large-scale many-objective feature selection optimization problem by using the traditional evolutionary algorithms. Therefore, this paper proposes a modified vector angle-based large-scale many-objective evolutionary algorithm (MALSMEA). The proposed algorithm uses polynomial mutation based on variable grouping instead of naive polynomial mutation to improve the efficiency of solving large-scale problems. And a novel worst-case solution replacement strategy using shift-based density estimation is used to replace the poor solution of two individuals with similar search directions to enhance convergence. The experimental results show that MALSMEA is competitive and can effectively optimize the proposed model.