文章：基于多分类支持向量机的优化算法智能推荐系统与实证分析
摘要：算法智能推荐是超启发式算法研究领域一个重要分支其，目标是从众多在线算法中自动选择出最适于当前问题的算法，从而大大提升解决问题的效率。基于此提出并验证了一种优化算法智能推荐系统，理论依据是无免费午餐定理和Ｒｉｃｅ算法选择框架，并假设问题特征与算法性能表现之间存在潜在关联关系，从而可以把算法推荐问题转换为一个多分类问题。为了验证假设的成立，以多模式资源约束项目调度问题为测试样本数据集，以粒子群、模拟退火、禁忌搜索和人工蜂群等元启发式优化算法为推荐对象，以支持向量机多分类策略实现算法的分类推荐。交叉验证结果表明推荐准确率均在９０％以上，各项评价指标表现优秀。
思考：那么，是否可以像决策树到随机森林算法那样，在迭代过程中既进行进行不同算法的组合，每一代中，各个个体可以从多种更新公式中任意选择一种，而不限于一种，或者不同的阶段，采用不同的算法框架等等，从不同维度对不同算法进行组合。