文档介绍：57
特征选择的次优算法
 单独最优组合

 顺序前进法（SFS），广义SFS法（GSFS）

 顺序后退法（SBS），广义SBS法（GSBS）

 增 l 减 r 法（L-R 法），广义 L-R 法（(Zl , Zr) 法）
58
特征选择的遗传算法（Genetic Algorithms）
 随机搜索算法；

 模拟生物进化的现象 — 进化计算（Evolutionary
Computing ）；
 把优化问题比喻作在无数可能的重组和突变组合中发现
适应性最强的组合的问题；
 “Genetic Algorithms are good at taking large, potentially
huge search spaces and navigating them, looking for
optimal combinations of things, solutions you might not
otherwise find in a lifetime.” ---- Salvatore Mangano
Ref. John Henry Holland, Adaptation in Natural and Artificial Systems,
MIT Press, 1975
59
特征选择的遗传算法（Genetic Algorithms）
 术语

 基因链码：代表问题一个解的编码（称为“个体”），
编码的每位是一个“基因”；二值字符串，共 d 种；
CD

 群体：解（个体）的集合；

 适应度：以给定的优化准则（如某种类别可分性判据）
评价解性能的优劣；
 基本操作

 交叉（crossover/recombination）：以两个个体为双亲作基
因链码的交叉，产生两个新的个体作为后代；
 变异（mutation）：对某个体随机选取并翻转其中一位
60
特征选择的遗传算法（Genetic Algorithms）
 算法的基本框架

1. 初始化进化的代数 t = 0；

2. 给出初始化群体 P(t)，并令 xg 为任意一个体；

3.