电子产品世界

　　染色体编码和适应度函数

　　所谓编码是指将问题的解空间转换成遗传算法所能处理的搜索空间。在特征选择问题中，常常使用二进制的编码形式，使得每个二进制就是一个染色体，其位数长度等于特征的个数。每一位代表一个特征，每位上的1表示选中该特征，0则表示不选中。每一代种群都由若干个染色体组成。

　　适应度函数是整个遗传算法中极为重要的部分[6]，好的适应度函数能使染色体进化到最优个体，它决定了在整个寻优过程中是否能够合理地协调好过早收敛和过慢结束这对矛盾。由于本文针对的是支持向量机的特征选择问题，所以考虑以分类正确率和未选择的特征个数这两个参数作为函数的自变量，将分类正确率作为主要衡量标准，未选择的特征个数为次要标准。由此建立以下的适应度函数：

　　式中C为分类正确率，为未选择的特征个数，a是调节系数，用来平衡分类正确率和未选择的特征个数对适应度函数的影响程度，同时该系数也体现了用最少的特征得到较大分类正确率的原则，在本文中a取0.00077。由上式可知，分类正确率越高，未选的特征个数越多，染色体的适应度就越大。

　　选择操作

　　选择操作需要按照一定的规则从原有的种群中选择部分优秀个体用来交叉和变异。选择原则建立在对个体适应度进行评价的基础上，目的是避免基因损失，提高全局收敛性和计算效率。本文首先将整个种群中最优的前40%的个体保留下来，以确保有足够的优良个体进入下一代，对剩下的60%的个体采用轮盘算法进行选择，这样做可以弥补保留前40%个体而带来的局部最优解不易被淘汰的不利影响，有利于保持种群的多样性。

关键词： 支持向量机 互敏感度信息量 独立敏感度信息量 自适应变异率 Meteopolis准则 201001