李学贵 许少华 李 娜 张 强

(1.东北石油大学计算机与信息技术学院，黑龙江 大庆 163318；2.山东科技大学计算机科学与工程学院，山东 青岛 266590；3.大庆油田化工有限责任公司东昊分公司，黑龙江 大庆 163312；4.新疆油田公司勘探开发研究院，新疆 克拉玛依 834000)

基于涡流搜索算法的支持向量机分类模型

李学贵1许少华2李 娜3张 强4

(1.东北石油大学计算机与信息技术学院，黑龙江 大庆 163318；2.山东科技大学计算机科学与工程学院，山东 青岛 266590；3.大庆油田化工有限责任公司东昊分公司，黑龙江 大庆 163312；4.新疆油田公司勘探开发研究院，新疆 克拉玛依 834000)

提出一种将涡流搜索算法用于支持向量机参数选取的新算法，利用该算法不必遍历搜索空间内所有的参数点即可找到全局最优解。给出了具体的算法流程，并进行了仿真。仿真实验结果表明涡流搜索算法是选取SVM参数的有效方法。

涡流搜索算法 支持向量机 参数优化 单解优化算法

许多现实生活中的优化问题由于本身性质比较复杂,精确优化方法常常不能解决这些问题[1]。因此,使用近似算法就成为解决这类问题的替代方案。元启发式算法是一类不依赖具体问题的解决方案，更具有通用性，更适用大量不同的优化问题。元启发式算法能在合理的时间内得到近似最优解,但不能保证解的最优性。元启发式算法分为单解元启发算法和群解元启发算法两种类型[2]。单解元启发算法在任意时间都基于单解,包括基于启发式局部搜索算法，例如模拟退火(SA)[3]、迭代局部搜索(ITS)[4]、向导局部搜索(GLS)[5]、随机搜索(RS)[6]和可变邻域搜索[7]。……