计算机与信息工程学院王淑琴教授团队在群智能优化算法及其在特征提取中的应用研究中取得重要进展，提出一种基于动态多领导者选择策略的改进多目标鲸鱼优化算法。相关成果以“Multi-objective WOA based on dynamic multiple leader selection strategies for feature selection”为题，发表于期刊Expert Systems With Applications上。

上图为提出算法的流程图

多目标优化作为一种高效的特征选择方法，能够显著提升算法的分类性能。针对现有多数多目标优化算法在搜索过程中普遍存在收敛性与多样性难以平衡的问题，提出一种基于动态多领导者选择策略的改进多目标鲸鱼优化算法（MODMLS），并将其应用于特征选择任务。在初始化阶段，提出一种融合多种统计指标的种群初始化策略，以提升初始种群中个体的质量。在搜索过程中，设计了两种领导者选择策略：基于个体评估记录和基于优秀个体的特征信息，并在迭代过程中被动态地选择，以引导种群向高质量解收敛，从而提升算法的收敛性能。同时，受遗传算法思想启发，提出一套组合操作，包括精英引导交叉、偏好驱动变异和自主修复操作，以增强种群多样性。这些操作有助于维持种群的多样性，保证算法在不同数据集和维度下的适应性。

在16个不同维度数据集上的实验结果表明，MODMLS 在分类性能上优于当前主流的多目标优化算法，展现出显著的竞争优势。

计算机与信息工程学院王淑琴教授为该论文的通讯作者，其指导的研究生陈建桥为第一作者，团队中的崔玥副教授参与了相关研究工作。天津师范大学为本工作的独立完成单位。

论文链接:https://doi.org/10.1016/j.eswa.2026.131635