蚁群算法的特征选取 matlab实现

蚁群算法的特征选取matlab实现，是一种智能优化算法的应用

clc;
clear;
mydata=importdata（‘d:\matlab7\work\test3.dat‘）;
RHO=corr（mydata）;
R=abs（RHO）;
n=30; % The number of features without class
m=3; % The number of selected features
CrossOverProb=0.9; % The Cross Over Probability
MutationProb=0.04;  % The Mutation Probability
Population = 500;   % The Size of popuation
GenerationNo = 300; % The Number of generation
%[N m TOWNS] = setup16;
%trail = N.*ones（N）;
na = 200;
cc = 1;
for i=1:n
    trail（i） = cc;
    deltatrail（i） = 0;
end;    
maxnoiteration = 20;
k = 50;
p = 1;
rho = 0.75;
alpha=1;
beta=1;

counter=1;   % The First iteration 
for j=1:na
     Select = randperm（n）;
     s（j1:m）= Select（1:m）;
end    

data = dataset（mydata（:1:n）mydata（:n+1））;
[TrainTest]=gendat（data0.6）;



for j=1:na
    A = [];
    B = [];
    for i=1:m
        A = [ATrain（:s（ji））];
        B = [BTest（:s（ji））];
    end    
        
    W=knnc（A）;
    D=B*W;
    E（j）=D*testc;
 %   scatterd（A）;
 %   plotc（{W}）;
end
        
[MinErrorMinErrorIndex]=min（E）;
[SOIX]=sort（E）;

for j=1:k
   for l=1:m
      for i=1:n
         deltatrail（i）=0;
         if （s（IX（j）l）==i）
            Errorg = max（SO（1:k））-E（IX（j））;
            Errorhg=0;
            for h=1:k
              if （ （max（SO（1:k））-E（IX（h））） > Errorhg ） 
                Errorhg = max（SO（1:k））-E（IX（h））;
                end
            end    
            if （Errorhg ~= 0）
              deltatrail（i）=Errorg/Errorhg; 
            else
              deltatrail（i）=1;
            end;  
         end;   
         trail（i）= rho * trail（i） + deltatrail（i）;
      end;  
   end;  
end;  


%for j=1:na
%    temp1（1:m）= s（IX（round（rand*（k-1））+1）1:m）;
%    r=randperm（m）;
%    for l=1:m-p
%      temp2（l）=temp1（r（l））;
%    end;        
%    s（j1:m-p）=temp2（1:m-p）;
%end;    
    


%tourlength = [];
%temp_length = [];
%rho = 0.5; % rho = 1 - （evaporation of trail）
%Q = N;
%avgtour = [];
%mintour = [];

while （ （counter < maxnoiteration） & （MinError > 0.001） ）

counter = counter+1;
%for exit_tours = 1:40 %Loop back to here
%tabu = zeros（mN）; %generate （N x m） matrix containing zeros
%set initial town for each ant randomly
%for i = 1:m
%tabu（i1） = ceil（N*rand）;
%end
%Use function nexttown.m to determine next town based on visibility and
%trail
%for j = 1:length（TOWNS（1:））-1 %for each town
%for i = 1:m %for each ant
%sub_tabu = tabu（i:）; %create tabu for each ant
%add new town to tabu using function nexttown.m
%tabu（ij+1） = nexttown（sub_tabu TOWNS trail）;
%end
%end


for j=1:na
    temp1（1:m）= s（IX（round（rand*（k-1））+1）1:m）;
    r=randperm（m）;
    for l=1:m-p
      temp2（l）=temp1（r（l））;
    end;        
    s（j1:m-p）=temp2（1:m-p）;
end;    


for mm = m-p+1:m
  for j=1:na
   for i=1:n
     flag=0;
     for l=1:m-p
        if （s（jl）==i）
          flag=1;
        end;
     end;   
     if （flag==1）
       USM（i）=0;
     else
       den=0

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        7290  2011-06-05 07:19  ACO_feature_selection.m
     文件        1338  2011-06-05 07:19  license.txt