高维选特征更快
通过变长编码和长度自适应机制，该算法在高维特征选择中能同时优化分类精度和特征数量，且Pareto前沿优于现有算法。
Gong, Yanlu · Junhai, Zhou · 吴全旺 · Zhou, Mengchu · 文俊浩
IEEE/CAA Journal of Automatica Sinica 2023
个体编码长度可变，避免固定长度编码带来的巨大搜索空间。
基于Pareto支配的长度变化算子引导个体在更有希望的区域搜索。
采用基于支配的局部搜索方法进一步改进解的质量。
在12个高维基因数据集上，所得Pareto前沿优于现有算法。