蚁群及遗传算法优化花茶花青素近红外光谱预测模型de比较期刊文献.pdfVIP

accu(i)=accu(i一1)+P (i) (2) 的算法的原理请见参考文献[15—16]。 计算，式(2)中，accu(O)=O，当然 ，accu(m)=lm是所 1．2 GA—iPLS的基本原理 有区间总数)；②产生一个随机(0，1)之间的随机变 本文中所用的遗传区间偏最小二乘波长筛选 量 ，如果这个随机变量在accu(i一1)和accu(i)之间， 法是对N~rgaard提出的一种波长筛选法的改进和 则第i个区间人选。这种选择方法广泛用于遗传算 发展，该法主要用于筛选偏最小二乘建模的波长区 法中，显然，光谱区间拥有的信息素量越多就越容 域。其算法如下： 易被选到，可以通过权重函数来调整各个区间的选 1．2．1 特征波谱 区间入选编码 首先将整个花茶 择概率 。 近红外光谱等分为s个区间，对这s个区间入选的问 题，可用一含有S个0／1字符(基因)的字符串(染色 体串)来表示每种区间组合。字符串0和 1分别代 划分光谱区间及初始化每个 表对应区间未被选中和选中，例如对8个区间的问 区间的信息素含量 I 题区间组合 ，表示第3，4，6，8个区间被 选中，其余则未被选中。 I申I 1．2．2 适应度函数的设计 采用PLS交互验证 中因 I解的计分评价 l 变量的预测值和实际值的相关系数 (r)为适应度函 数。具体实施方法为，对每个个体所选的区间进行 l信息素含量的更新 l 数据重新组合 ，再用PLS交互验证得到相关系数 ． 歪 ／ (r)。相关系数(r)的计算公式为 ^， Z(x一动()，一 (4) 图1 ACO优选光谱区间的流程图 Fig．1 FlowchartofACO orientedoptimizationprocess 式 (4)中，Ⅳ为样品个数；为交互验证预测值的均 3)解的计分评价：建立一个标准或客观函数来 值； 为实际测量值的均值。 评价多得的解。本研究中基于已选区间上的iPLS 1．2．3 初始群体 本研究的初始种群 由计算机随 模型预测精度作为每只蚂蚁所选区间的评价参数， 机产生 的n个个体组成 ，而每个个体 由s个字符 即模型的预测均方根误差RMSEP的倒数作为评价 组成 。 函数。 1．2．4 遗传操作设计 选择算子采用最常用的选 4)信息素含量的更新 ：每个区间的信息素含量 择方法——适应度 比例方法 ，也称转轮法，每个个 的更新通过公式 (3)计算。 体的选择概率与其适应度成比例。交叉算子采用 (￡+1)=r·()+△ () (3) 单点交叉方法，见表达式 式 (3)中，i为第i／h光