حسن نصرتی ناهوک - مربی دانشکده فنی و مهندسی، دانشگاه سراوان، سراوان، ایران
نرگس خسروی منفرد - دانشجو کارشناسی مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه سراوان، سراوان، ایران

انتخاب ویژگی به عنوان یک گام کلیدی در فرآیند یادگیری ماشین، نقش مهمی در کاهش پیچیدگی محاسباتی و بهبود کاراییمدل های یادگیری ایفا می کند. این مقاله به بررسی روشهای مختلف انتخاب ویژگی مبتنی بر الگوریتم های تکاملی، از جمله الگوریتمژنتیک، کلونی مورچگان، و بهینه سازی ازدحام ذرات می پردازد. هدف از این مطالعه، ارائه یک مرور جامع از این الگوریتم ها، ارزیابیعملکرد آنها در مقایسه با روشهای سنتی، و تحلیل مزایا و معایب هر یک در انتخاب ویژگی ها برای مجموعه داده های بزرگ و پیچیدهاست. یافته های این مقاله نشان می دهد که الگوریتم های تکاملی به دلیل قابلیت های خود در جستجوی فضای ویژگی های بزرگ،ابزارهای قدرتمندی برای انتخاب ویژگی ها به شمار می آیند. در نهایت، این مقاله به بررسی نتایج و پیشنهادات برای تحقیقات آینده دراین زمینه می پردازد.

انتخاب ویژگی، الگوریتم های تکاملی، الگوریتم های ژنتیک، بهینه سازی کلونی مورچه ها، بهینه سازی ازدحام ذرات