一种改进蚁群算法优化支持向量机参数的方法

摘要

本发明涉及一种改进蚁群算法优化支持向量机参数的方法。步骤如下：确定n个参数的取值范围，并且通过对每个参数进行N等分计算网格间隔；蚂蚁从第一列到第N列选择出N个网格点，这N个网格点行程作为一个解，M只蚂蚁找到M个解；将这M个解输入目标函数，找出最大与最小的二个目标函数值；进行全局信息素更新，Pt=Pt-1·ρ根据公式Pt=Pt-1-op在全局最优解附近的一定范围增加一定量信息素的值，强化全局最优解；根据公式Pt=Pt-1-wp在全局最差解附近的一定范围进行信息素一定量减少操作，弱化全局最差解；如果没有达到全局最大循环次数则对网格重新划分；直至达到循环结束条件完成参数的寻优。本方法提高了寻求最佳组合的速度和准确率。并且在改进的蚁群算法中融合了网格和高概率随机选择的原则，增加了蚂蚁对最优解的敏感度。

主权项

一种改进蚁群算法优化支持向量机参数的方法，其步骤如下：（1）根据参数优化的问题，确定n个参数的取值范围，并且通过对每个参数进行N等分计算网格间隔；hi=(xm‑xl)/N形成n*（N+1）个点构成的网格；初始化各网格点信息素值、最大循环次数和循环终止条件；（2）每只蚂蚁在每一列中随机选择一定数目的网格点，找出信息素最大的最为这一列的选择点，蚂蚁从第一列到第N列选择出N个网格点，这N个网格点行程作为一个解，M只蚂蚁找到M个解；（3）将这M个解输入目标函数：支持向量机，找出最大与最小的二个目标函数值，这二个值即为全局最优解和全局最差解；（4）进行信息素的更新，首先进行全局信息素更新，Pt=Pt‑1·ρ;其中ρ是挥发因子，表示信息素的挥发过程；根据公式Pt=Pt‑1‑op在全局最优解附近的一定范围增加一定量信息素的值，强化全局最优解；根据公式Pt=Pt‑1‑wp在全局最差解附近的一定范围进行信息素一定量减少操作，弱化全局最差解；（5）如果没有达到全局最大循环次数Nmax则转到步骤（2），否则转到步骤（6）进行网格的重新划分；（6）当算法循环次数NC达到Nmax后找出信息素矩阵中最大值处对应的行，缩小变量的取值范围在网格点中对应值的附近重新划分网格；初始化信息素矩阵；转到步骤（2）进行再一次的循环，直至达到循环结束条件（网格间隔h<ε），完成参数的寻优。