陈静静，刘 升

(上海工程技术大学 管理学院，上海 201620)

0 引 言

随着P2P网贷——新型金融服务模式迅猛发展，风险也逐渐显露，其中个人信用风险在众多风险中占据主导地位。因此，个人信用评估是保证这一行业健康发展的关键。近年来，人工智能逐渐兴起，基于机器学习的评估模型逐渐成为信用评估的趋势[1]，常用的模型有贝叶斯网络[2]、决策树(decision trees，DT)[3]、神经网络[4]和支持向量机(support vector machine，SVM)[5]等。由于SVM在解决小样本、非线性问题上具有独特的优势，且能够在样本信息有限的情况下化解训练精度与泛化能力之间的矛盾，因此被广泛应用于信用评估领域。SVM的评估性能和泛化能力受参数的影响较大，到目前为止还没有一套完备的理论去解决SVM参数优化问题。

近年来，随着智能算法的飞速发展，越来越多的学者开始将智能算法应用到对SVM参数优化问题上。文献[6]提出了遗传算法优化SVM，但复杂的编码解码过程限制了该优化算法的适用性。文献[7]提出收敛速度快的粒子群(PSO)算法优化SVM的参数，但算法存在易陷入局部极值的问题。文献[8]利用能够跳出局部极值的蚁群(ACO)算法对SVM的参数进行寻优，由于其庞大的计算量，在处理复杂问题时的效果并不佳。文献[9-11]对上述基本算法进行改进，但是这些算法仍然存在容易陷入局部最优、寻优速度慢、对初始值敏感等问题。

天牛群算法[12](beetle swarm optimization，BSO)自提出以来，在众多领域得到广泛应用，如文献[13]用BSO算法来规划三维路径，文献[14]利用BSO算法优化对光伏最大功率点追踪的速度和精确度。……