⛄一、人工蜂群算法優化最小二乘支援向量機LSSVM簡介
1 最小二乘支援向量機
最小二乘支援向量機是支援向量機的一種改進算法[9,10],它将SVM算法中的不等式限制轉化為等式限制,采用最小二乘線性系統作為損失函數代替支援向量機所采用的二次規劃方法,以下介紹了該方法的基本原理。
式(6)中取不同的核函數就生成不同的支援向量機(圖1),目前使用最多的核函數主要有多項式核函數、線性核函數、徑向基核函數(RBF)。由于RBF核函數結構簡單,泛化能力強,這樣需要優化的參數最少,隻有核參數σ和正規化參數γ。
圖1 支援向量機模型
2 人工蜂群算法
ABC算法中,由食物源位置代表優化問題的解,以此來尋找最優解[11,12]。蜂群具有3種類型的工蜂: 采蜜蜂、跟随蜂和偵察蜂。專業工蜂專門進行采集,守望蜂等待在蜂巢中觀看同伴表演的搖擺舞,偵察蜂進行随機搜尋。其中,專業工蜂和守望蜂的數量相等,都等于食物源的數量SN。每個解xi(i=1,2,…,SN)是一個D維的列向量,D代表優化參數的個數。經初始化後,蜜蜂開始進行循環搜尋,當蜜蜂搜尋到新解的适應度高于舊解的适應度,則采蜜蜂會記住自己新的解。跟随蜂會根據這些解的可能值Pi進行搜尋,如果搜尋到的解被更新,則偵查蜂就會放棄原來的解,用新的解來代替。
采蜜蜂根據目前位置進行新解的搜尋,可以根據下式: