In general, the initial population

通常，初始填充对于任何MH方法都非常重要，因为它会影响算法的收敛性和最终解决方案的质量。根据OBL策略的特点，可用于构建初始种群，从而加快收敛速度​​。<br>例如，如果我们考虑xi的值为[0.93，0.33，0.61，0.54，0.28，0.34，0.86]，则Eq的输出。（11）表示为[1、0、1、0、0、0、1]。此表示意味着将选择数据集中对应于特征的特征作为相关特征，而对应于0的特征将被忽略。

In general, the initial population is very important for any MH method since it affects the convergence of an algorithm and the quality of the final solutions. According to the characteristics of the OBL strategy, it can be used to construct the initial population which accelerates the convergence rate.<br>For example, if we consider the values of xi are [0.93, 0.33, 0.61, 0.54, 0.28, 0.34, 0.86], then the output of Eq. (11) is represented as [1, 0, 1, 0, 0, 0, 1]. This representation means that the features in the dataset which are corresponding to ones are selected as relevant features and which are corresponding to 0’s will be ignored.

一般来说，初始种群对任何MH方法都非常重要，因为它影响算法的收敛性和最终解的质量。根据OBL策略的特点，可以利用它构造初始种群，加快收敛速度。<br>例如，如果我们考虑席的值是[0.93分, 0.33分, 0.61分, 0.54分, 0.28分, 0.34分, 0.86分]，则等式（11）的输出表示为[1，0，1，0，0，0，1]。这种表示方式意味着数据集中与一个特征相对应的特征被选择为相关特征，而与0对应的特征将被忽略。