遗传算法用于傅里叶变换红外光谱的定量解析.PDFVIP

维普资讯 第21卷 ，第5期 光 谱 学 与 光 谱 分 析 Ⅵ ．21，№，5，pp607-610 2001年 l0月 SDectroscoovandSpectralAnalysis Oe,d~ ．2呻 1 遗传算法用于傅里叶变换红外光谱的定量解析 刘 芳，王俊德 (南京理工大学现代光谱实验室．江苏南京 2100l4) 摘 要 本文利用遗传算法对混叠的傅里叶变换红外光谱图进行了定量的解析。文中分析了最多包古了十 个组分的大气有毒有机物(苯．四氯化碳，氯苯．硝基苯，苯酚，甲苯，甲醇 ．邻甲酚，闻甲酚和对甲酚)的混合谱 图，建立了适当目标函数，使用了自适应变异技术．讨论了交叉和变异概率对结果的影响。结果证明遗传算法 有着极好的非线性特征。在适当的条件下，结果的相对误差小于 1％： 主置词 傅里叶变换红外光谱：遗传算法 多组分分析 中圈分类号：0657．33 文献标识码：A 文章编号：1000—0593c2001l05—06074)4 函数的确定。2 解 “超级个体”问题，-g们往往导致局部最 引 言 优解的产生。 ．收致判据的确定。 遗传算法最初是由Holland 提出，它是通过模仿 自然界 为了解 靛叠光谱解析问题．本文建立了一个目标函数 生物进化过程而得出的一种自适应启发式全球搜索(Glol~d Fitness=—r—————_．———一 (1) search)算法。直到80年代初，随着ANN的发展 ．计算机容量 ∑l暑一∑“׉l 增加和计算速度的太幅度的提高．遗传算法才开始受到重视， 其中z和。分别为吸光度和吸光系数，c为浓度，M 表示预测 并逐渐应用于各项科学领域 J 近年来．由于其强大的求 样品的组分数．S为 目标函数的尺度。为了避免收敛到局部最 解能力而受到分析化学家的注意。目前 ．遗传算法已成功地 优解．本文采用了自适应变异技术，使个体的变异向更好的方 用于多组分分析中的波长选择¨叫]，发射光谱的实验条件选 向发展。变异的步长由变异前和变异后的个体的适应度决定。 择 ．校准数据的优化0 ，在NMR中的脉冲波形选择 “ ． 变异率由选择函数 SP确定 ．其表达式如下： 有机分子的最小化学间距的确定 “J，热解质谱仪中的定量分 SP()= 塑燮 L (2) 析 ，及其在 FIIR谱图解析中的应用 “。 ∑Fitn,~() 本文直接采用遗传算法对严重混叠的FTIR谱图进行解 ，=l 其中 代表种群的大小。 析．结果证明它可以通过改变 目标函数对混合物进行多组分 的同时定量测定，并且有着极好的非线性和全球搜索特性 根据所要解决问题的类型和特点，奉文采用了三个收敛 判据 ：i控制每一代的最优个体的适应度。2．利用父代和子 1 基本原理 代的平均适应度的差值。3．利用代数确定程序终止点。 0 遗传算法是从达尔文的自然选择理论和基因理论中衍生 0 出生的一种随机搜索算法。它是一个迭代过程．在每次迭代 O 中都保留一组候选解。按其解的