来源：期刊VIP网 时间：
作者：鲍美英;申晋祥;张景安;周建慧;
单位：山西大同大学计算机与网络工程学院;山西大同大学网络信息中心;
摘要：针对北方苍鹰优化（NGO）算法在处理复杂优化问题时，存在收敛速度慢、求解精度低和易陷入局部最优等问题，提出融合多种策略的北方苍鹰优化（LANGO）算法。LANGO算法采用Tent混沌映射和反向学习策略初始化种群，增加种群多样性，提高全局搜索能力；引入非线性权重因子，改善全局勘探能力，提高算法的收敛速度和收敛精度；引入Lévy飞行，改进NGO算法采用随机猎物引导种群易陷入局部最优的缺陷，对陷入局部最优的解进行扰动，使其跳出局部最优。选取8个经典基准函数进行测试，仿真结果表明，LANGO在求解精度、收敛速度等方面都优于比较算法。LANGO与K近邻分类器相结合，用于解决特征选择问题，进行数据分类，可以对特征有效降维并提高数据分类的准确率。
关键词：北方苍鹰优化算法;;Lévy飞行;;特征选择;;K近邻分类器;;权重因子;;收敛性
基金资助：国家自然科学基金资助项目(11971277);; 山西省高等学校科技创新项目(2022L438);山西省高等学校教学改革创新项目(J20241176);; 山西大同大学科研资助项目(2020k10);山西大同大学校级教学改革创新项目(XJG2023246,XJG2023251);山西大同大学云冈学专项课题(2023YGYB17)
