崔雪婷， 李 颖， 范嘉豪

(1.吉林大学计算机科学与技术学院，吉林长春 130012；2.吉林大学符号计算与知识工程教育部重点实验室，吉林长春 130012)

受蝙蝠回声定位行为的启发，蝙蝠算法(bat algorithm，BA)于2010年由剑桥大学的Yang[1]提出，随着研究的深入，该算法逐渐引起人们的极大关注，且在应用方面取得较大成功.Tsai等[2]将其改进后应用于解决数值优化问题；Yang[3]用其解决多目标优化问题；Bora等[4]将其应用在直流无刷马达问题上.蝙蝠算法是一种新的群智能算法，在收敛速度和求解精度上还存在缺陷.该算法也存在易陷入局部最优、震荡、收敛速度慢和求解精度不高等不足.本文针对原始蝙蝠算法提出了一种全局混沌蝙蝠优化算法(GCBA)，将混沌算法与最优解相结合用于解决特征选择问题.在种群初始化时GCBA算法覆盖整个解空间，使用交叉算子做进一步优化；此外，将GCBA算法应用于特征选择领域[5].为了验证GCBA算法的有效性，将GCBA与其他3个优化算法在多个数据集上进行了测试.结果表明，GCBA算法能够获得更好的分类精度及更快的收敛速度.

1 蝙蝠算法

蝙蝠算法是一种采用回声定位原理模拟蝙蝠捕食过程的启发式群智能算法.不同于其他生物，蝙蝠采用回声定位来探测猎物、捕食猎物和寻找栖息地等.蝙蝠发出的脉冲频率通常在25～150 kHz之间，波长范围为2～14 mm，发出的声音响度能达到110 dB.在探测猎物时，随着蝙蝠与猎物之间的距离逐渐缩短，蝙蝠发出声音的响度逐渐降低，脉冲发射率逐渐增加.

为了……