【报告内容】

汇报人：贾利阳

汇报单位：太原理工大学

主题：MPDCGA: A Real-Coded Multi-Population Dynamic Competitive Genetic Algorithm for Feature Selection

1、Introduction

2、Method

3、Experiment

4、Conclusion

【报告总结】

1.待解决的问题描述

特征选择本质上是一个二元离散优化问题，GA 是主流求解方法，但存在四大短板：

(1)二进制编码：仅表示特征选 / 不选，无法刻画连续特征权重，丢失定量关系。

(2)随机初始化：无先验知识引导，初始解质量差、收敛慢。

(3)单种群静态结构：信息交互不足，易早熟、全局搜索弱。

(4)固定交叉变异：无法自适应进化，劣质个体扩散破坏多样性。

2.相关创新方案

(1)本研究结合了mRMR和余弦相似性，以初始化真实编码的总体。混合初始化策略将不同权重范围分配给不同特征，并将类似染色体划分为基于余弦相似度的亚种群。

(2)本研究提出了一个动态竞争算子。在每个亚群体内独立且同时执行竞争操作，并通过自适应的权重转移机制协调竞争染色体朝最优解方向发展。

(3)本研究设计了自适应相似性交叉算符。算符构造了一个算术交叉系数计算公式，可以同时捕捉特征间的对称不确定性和染色体内部的相似性。

3.实验总结

现有的遗传算法特征选择方法存在局限性，包括过早收敛和种群多样性不足。本文提出的MPDCGA算法通过三个基本模块改进了遗传算法：基于相似性的子种群划分、动态竞争算子和自适应交叉算子。

4.未来工作

未来的研究将着重于参数自适应优化、优化相似性计算以及其他元启发式算法的整合等方面。

报告时间：2026年06月05日19:30

腾讯会议：311-5999-8176

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)