###### tags: `paper_reading`

# Improved Binary Symbiotic Organism Search Algorithm with Transfer Functions for Feature Selection

## Abstract
解決BSOS(二進制SOS)容易過早收斂的問題，使用不同的 transter function (傳遞函數)對SOS做二值化，提高了算法執行的多樣性和平衡算法探索和開發的能力。

## Introduction
1. 特徵選擇問題為 NP-Hard 問題。
2. 研究 BSOS (binary-based SOS)問題，比較 ASBSOS (AS of transfer BSOS)與本文嘗試方法的差異。
3. 嘗試 9 不同傳遞函數。

## Related Works
[**A. Symbiotic Organism Search Algorithm**](http://140.118.5.112:85/SOS/#)
> **SOS Algorithm:**
>
> 
>
> - Mutualism Phase: 互利共生
> 
> 
> 
>
> - Commensalism Phase: 片利共生
> 
>
> - Parasitic Phase: 寄生
> 

**B. THE ASBSOS ALGORITHM**
*透過 AS 轉移對連續SOS進行二值化，使用 S 型傳遞函數*

> **AS transfer 方法(採用 S3 作為傳遞函數):**
>
> 
>
> t : 當前迭代次數
> T : 最大迭代次數
> Tmax,Tmin : 控制參數，分別設置為 4 和 0.01
>
> - 推測是希望開始時不要太趨近極端，後面收斂時再趨近即可。

> **S-shaped transfer functions:**
>
> 

## OUR PROPOSED IBSOS ALGORITHM WITH MULTIPLE TYPES OF TRANSFER FUNCTIONS

*ASBSOS 算法只依賴位置生物體本身的二值化狀態。然而在原始SOS算法的思想，優化過程依賴三種共存關係，並不好反應於 ASBSOS。在連續型的 SOS 中粒子在搜索空間中算法很容易實現，然而，在二進制問題裡，每個維度的值只能為 1 或 0，因此無法使用原始公式更新生物的位置。將 SOS 三個生物共生階段的二值化。*

**A. MUTUALISM SYMBIOSIS STRATEGY OF BSOS ALGORITHM**

> 1. 參考 SOS Mutualism Phase (3), (4)， 並透過 S 轉換函式得到 IBSOS 的 s1, s2
> 
>
> 2. Ci 和 Cj 是傳遞變量的向量(同原 SOS)，用來更新 s1, s2
> 
>
> 3. 將 s1, s2 轉換為二進制值 bstep，randn 就於 0～1
> 
>
> 4. 透過 bstep 更新 Xnew
> 

**B. COMMENSALISM AND PARASITISM STRATEGIES OF BSOS ALGORITHM**

> **COMMENSALISM**
> 片利共生，通過 sigmoid 得到 si 的值，同樣透過 bstep 更新 Xnew (14-16)
> 

> **PARASITISM**
> 會造成一方危害
> 

**C. OTHER TRANSFER FUNCTIONS**

> **TRANSFER FUNCTIONS**
> 1. 採用不同的 S-type, V-type測試
> 
>
> 2. S-type 和 V-type 曲線
> 

> **IBSOS pseudo-code**
>
> 

## EXPERIMENTAL RESULTS AND ANALYSIS

*1. 使用 13 個基準函數(有7個單峰函數，6個多峰函數)來驗證我們提出的具有多種類型傳遞函數的 BSOS 算法的探索和開發能力。*
*2. 單峰函數中，只有一個全局最優解，不存在局部陷阱（局部最優解) -> 算法的收斂速度。*
*3. 多峰函數不僅包括一個全局最優解，還包括一個或多個局部最優解 -> 跳出局部陷阱和避免早熟收斂的能力。*

> 基準函數( benchmark functions)
> 

**A. EXPERIMENTAL RESULTS**

> **參數設置**
>
> 

> **實驗結果**
>
> 
> 

**B. EXPERIMENTAL ANALYSIS**

> **演算法贏家**
> *S1 best in S 及 V3 best in V*
> 

> **收歛性比較**
> *1. IBSOS 有較加收歛性。*
> *2. S1 和 V3 傳遞函數相對於其他傳遞函數而言為，實現良好的全局優化和收斂性能。*
> 1. f1 - f8
> 
>
> 2. f9 - f13
> 

## APPLICATION FOR FEATURE SELECTION

**A. dataset**

> 

**B. EXPERIMENTAL SIMULATION**

> **FS setting**
> 1. KNN
> 2. K-fold
> 3. fitness fucntion:
> 
> - M,N : 為係數，M 設置 0.99，N 設置 0.01
> - T : 所選 feature 數目
> - C : 原始 feature 數目
> - Kfold : K 交叉驗證的分類誤差
>
> **流程圖**
> 

**C. RESULT ANALYSIS**

> 不同資料集實驗結果
>