[发明专利]基于模拟退火-遗传算法近红外光谱特征子区间选择方法

权利要求书

1.一种基于模拟退火-遗传算法近红外光谱特征子区间选择方法，其特征是：先对近红外光谱进行预处理，再对预处理后的近红外光谱动态划分子区间，将模拟退火算法中的Metropolis准则引入遗传算法中的基因交换和基因选择算子，使用模拟退火-遗传算法选择最优特征子区间，最后判断最佳子区间划分方式和最优特征子区间组合，对入选的最优特征子区间建立PLS模型。

2.根据权利要求1所述的基于模拟退火-遗传算法近红外光谱特征子区间选择方法，其特征是：划分子区间以及使用模拟退火-遗传算法选择最优特征子区间需设置的参数为：最小子区间数I₀、最大子区间数I_f、目标函数f(x)、基因编码、种群大小、基因交换概率p_c、基因变异概率p_m、初始化温度t₀、温度衰减函数g(α)和结束温度t_f。

3.根据权利要求2所述的基于模拟退火-遗传算法近红外光谱特征子区间选择方法，其特征是：选择最优特征子区间采用如下步骤：

(1)子区间数为i时，将近红外光谱划分为i个子区间进行二进制基因编码，基因个数为子区间数i；

(2)染色体初始化，随机产生给定大小的初始群体；

(3)温度为t时，计算群体中染色体的目标函数f(x)，采用选择算子选择适应度高的个体，淘汰适应度低的个体，实现种群的优胜劣汰；

(4)采用将模拟退火算法中的Metropolis准则引入遗传算法中的改进后的基因交换算子、基因变异算子进行基因交换和基因变异操作；

(5)根据温度衰减函数g(α)减低温度t，若t不等于结束温度t_f，重复执行步骤(3)～(4)，若等于结束温度t_f，则执行步骤(6)；

(6)子区间数i增加1，若i不等于最大子区间数I_f，则重复执行(1)～(5)，若i等于最大子区间数I_f，则执行步骤(7)；

(7)判断最佳子区间总数及选中的最优特征子区间。

4.根据权利要求3所述的基于模拟退火-遗传算法近红外光谱特征子区间选择方法，其特征是：步骤(4)所述改进后的基因交换算子、基因变异算子进行基因交换和基因变异操作的方法是：增大正变异发生的概率，减小负变异发生概率，交换算子从父辈群体中随机选取父辈个体，通过基因交换产生子代新个体，分别计算其适应度值，按照Metropolis准则判断是否接受新产生的个体。

5.根据权利要求1所述的基于模拟退火-遗传算法近红外光谱特征子区间选择方法，其特征是：所述模拟退火算法中的Metropolis准则是根据旧解、新解对应的目标函数值判断旧解、新解中哪个解是重要解，若新解被认为是重要解，则用新解取代旧解进入下一次迭代；反之则维持旧解不变。

6.根据权利要求1所述的基于模拟退火-遗传算法近红外光谱特征子区间选择方法，其特征是：划分的子区间数在一个范围[m，n]内动态变化，使用模拟退火-遗传算法选择最优特征子区间在范围[m，n]内选取，当子区间数为k∈[m，n]时，全光谱等分为k个子区间，若总波数点数除以k等于p，存在余数q，则前q个子区间中每个子区间波数点个数为p+1，剩余子区间中每个子区间波数点个数为p。