多目標(biāo)算法在多分類(lèi)SVM優(yōu)化中的應(yīng)用.pdf

1、基于Pareto最優(yōu)概念的多目標(biāo)遺傳算法是處理多目標(biāo)優(yōu)化問(wèn)題的一個(gè)重要算法。遺傳算法的機(jī)理很適合多目標(biāo)優(yōu)化，因?yàn)檫z傳算法可以在一代模擬過(guò)程中找到多個(gè)Pareto最優(yōu)解，通過(guò)適應(yīng)度算法使種群收斂于Pareto前沿。但是由于遺傳算法在迭代過(guò)程中新個(gè)體產(chǎn)生過(guò)程的隨機(jī)性以及迭代過(guò)程中不接受局部劣解導(dǎo)致了搜索過(guò)程中丟失部分全局最優(yōu)解，使得多目標(biāo)遺傳算法在搜索效率上和精度上存在不足。 與遺傳算法相比，禁忌算法中在局部最優(yōu)解獲取上性能更佳。禁

2、忌算法利用禁忌表保存搜索過(guò)程中的局部最優(yōu)解，禁忌表可以控制搜索路徑的選擇，使得搜索的范圍更大，同時(shí)禁忌某些個(gè)體被選擇，以避免陷入某個(gè)局部空間，禁忌表的使用增強(qiáng)了搜索算法獲取全局最優(yōu)解的能力。禁忌算法中在利用禁忌表控制搜索路徑的同時(shí)，采用“策略擺動(dòng)”的策略利用懲罰因子來(lái)控制劣解的選擇，使得禁忌算法在選擇過(guò)程中可以選擇較差局部最優(yōu)解，該較差局部最優(yōu)解再后經(jīng)過(guò)若干代演化后，能夠演化為全局最優(yōu)解。禁忌算法的這些特點(diǎn)可以彌補(bǔ)GA算法在局部搜索中的

3、缺點(diǎn)。本文根據(jù)遺傳算法和禁忌的特點(diǎn)將遺傳算法和禁忌算法結(jié)合，提出了名為多目標(biāo)遺傳禁忌算法MOTSGA的多目標(biāo)優(yōu)化算法。 為驗(yàn)證改進(jìn)的多目標(biāo)遺傳禁忌算法的性能，本文將多目標(biāo)優(yōu)化算法應(yīng)用到多類(lèi)SVM求最優(yōu)參數(shù)的優(yōu)化問(wèn)題上。對(duì)于多分類(lèi)SVM參數(shù)優(yōu)化問(wèn)題，求解多類(lèi)SVM分類(lèi)問(wèn)題的方法是將其轉(zhuǎn)換為多個(gè)二分類(lèi)SVM問(wèn)題，通過(guò)求解二分類(lèi)SVM來(lái)求解多分類(lèi)SVM。求解分解后的多個(gè)二分類(lèi)最優(yōu)問(wèn)題是多目標(biāo)優(yōu)化問(wèn)題。將本文提出的MOTSGA算法和傳統(tǒng)