基于混合蛙跳算法SFLA同步优化特征选择，同步优化特征选择，基础的与算法优化比较，matlab语言。可以做其他算法优化。针对传统支持向量机在封装式特征选择中分类效果差、子集选取冗余、计算性能易受核

%% 基于搜索算法同步优化特征选择。
%% 清空环境变量
close all;
clear;
clc;
format compact;
%% 数据提取
res = xlsread('数据集.xlsx');

% 选定训练集和测试集
%% 训练集
train_wine = res(1: 250, 1: 12);
% 相应的训练集的标签也要分离出来
train_wine_labels =  res(1: 250, 13);
%% 测试集
test_wine = res(251: end, 1: 12);
% 相应的测试集的标签也要分离出来
test_wine_labels = res(251: end, 13);

%% 数据预处理
% 数据预处理,将训练集和测试集归一化到[0,1]区间

[mtrain,ntrain] = size(train_wine);
[mtest,ntest] = size(test_wine);

dataset = [train_wine;test_wine];
% mapminmax为MATLAB自带的归一化函数
[dataset_scale,ps] = mapminmax(dataset',0,1);
dataset_scale = dataset_scale';

train_wine = dataset_scale(1:mtrain,:);
test_wine = dataset_scale( (mtrain+1):(mtrain+mtest),: );
%% 智能算法优化SVM训练，若使用网络训练将这部分与下面优化部分删除即可。

智能算法及其模型预测