基于改进引力搜索算法的SVM的参数优化及应用

摘要

引力搜索算法是自然启发算法中流行的一种自适应搜索算法,该算法利用牛顿引力定律寻找最优解。引力搜索算法的性能受勘探开发能力的影响,kbest是控制这一权衡的参数之一。提出了一种新的混沌引力搜索算法,利用kbest中的混沌模型来平衡勘探和开发的非线性关系。该算法在后续迭代中收敛速度快、精度高、不陷入局部最优。实验结果验证了该算法的有效性,同时介绍了粒子群优化的惯性权重和全局记忆。采用改进的重力搜索算法对SVM参数进行优化,并利用测试函数和数据集进行验证,结果显示在入侵检测数据集,改进算法比原始算法正确率提升约5%;在wine数据集,运行时间减少了约16%。实验结果表明该优化算法在后续迭代中收敛速度快、精度高、不易陷入局部最优。