در این تحقیق یک مدل باینری(دودویی) از الگوریتم بهینه‌سازی ملخ(GOA) برای انتخاب ویژگی پیشنهاد شده است. برای تبدیل حالت پیوسته به دودویی از تابع انتقال S شکل(سیگموئید) استفاده شده است. برای طبقه‌بندی نمونه‌ها از الگوریتم k نزدیکترین همسایه(KNN) استفاده شده است. شبیه‌سازی الگوریتم بهینه‌سازی ملخ باینری در محیط متلب 2018 برروی هفت مجموعه داده استاندارد UCI انجام شده است. نتایج الگوریتم بهینه‌سازی ملخ باینری با الگوریتم تبرید شبیه‌سازی شده(Simulated Annealing) مقایسه شده است. مقایسه‌ها برمبنای درصد صحت، تعداد ویژگی‌های انتخاب شده و تابع برازندگی انجام شده است.
راهنمای استفاده
فایل با فرمت rar بارگذاری شده است که برای باز کردن به نرم‌افزار winrar نیاز دارید.
محتوای فایل دانلودی
فایل شبیه‌سازی شده با متلب 2018 به بالا
مقاله اصلی به زبان انگلیسی(2019)
شبه کد داخل مقاله اصلی
تابع برازندگی داخل مقاله اصلی
فیلم اجرای کدها