融合直角步行与两阶段逃逸的自适应控制花斑翠鸟算法

摘要

花斑翠鸟算法是一种新型的基于群体的元启发式算法，但在实际应用中存在搜索效率低、易陷入局部最优等问题。为解决上述问题，提出一种融合直角步行与两阶段逃逸的自适应控制花斑翠鸟算法（Improved pied kingfisher optimizer,IPKO）。IPKO通过引入直角步行策略、两阶段逃逸机制、自适应参数和两种控制因子，在保持全局搜索能力的同时强化局部开发，能够有效筛选出具有代表性和判别性的特征子集。在CEC2017基准测试函数以及来自UCI、Kaggle和ASU特征选择库的5个高维数据集上进行实验验证，仿真结果显示，IPKO不仅在优化收敛速度和精度上优于其他算法，还在特征选择任务中表现优异，为高维数据分析提供了高效解决方案。

关键词

花斑翠鸟算法 / 直角步行 / 两阶段逃逸 / 特征选择