管理学院李岸达副教授（第一作者）在Applied Soft Computing（计算机科学领域知名期刊，SCI一区TOP期刊，影响因子8.7）发表题目为“Improved binary particle swarm optimization for feature selection with new initialization and search space reduction strategies”。

 

                                                      论文观点

本文提出了一种改进的粘滞二进制粒子群算法(ISBPSO)。ISBPSO采用了基于粘性二元粒子群优化（sticky binary particle swarm optimization，SBPSO）的三种新机制来提高进化性能。首先，提出了一种基于互信息的特征加权信息初始化策略；其次，提出了一种动态位掩码策略，在进化过程中逐步减小搜索空间。第三，基于模因算法的框架，采用对ISBPSO的个人最佳位置进行遗传操作的改进程序，缓解了ISBPSO的过早收敛问题。在12个UCI数据集上的结果表明，ISBPSO优于6种基准的基于pso的FS方法和2种传统的FS方法(顺序正向选择和顺序向后选择)，在大多数情况下，ISBPSO在特征较少的情况下获得更高或相似的精度。此外，与基于pso的基准FS方法相比，ISBPSO大大减少了计算时间。进一步的分析表明，这三种机制都能有效地提高ISBPSO的搜索性能。

                                                       作者介绍

 

李岸达，天津商业大学管理学院副教授，人力资源管理系主任，新西兰惠灵顿维多利亚大学（Victoria University of Wellington, VUW）工程与计算机学院访问学者（2018年7月至12月），天津市工业工程学会理事，IEEE会员，中国优选法统筹法与经济数学研究会会员。2018年天津市“131”创新型人才培养工程第三层次人选，入选天津市高校“青年后备人才支持计划”。主持国家自然科学基金青年科学基金项目1项，主持教育部人文社会科学研究青年基金项目1项。主要研究领域为：质量工程与质量管理、进化计算和特征选择算法等。在 “系统工程理论与实践”, European Journal of Operational Research, Information Sciences, Applied Soft Computing, Computers & Industrial Engineering, Quality and Reliability Engineering International等国内外期刊发表十余篇论文。担任多个国际期刊审稿人。