[发明专利]基于遗传算法的图像法含梗率非线性拟合模型计算方法

权利要求书

1.基于遗传算法的图像法含梗率非线性拟合模型计算方法，其特征在于，具体包括以下操作步骤：

步骤1：得到目标数据集合：运用传统的称重法计算出一系列烟草成品样本的含梗率，将这些值作为目标数据集合；

步骤2：得到输入集合：对步骤1同一批烟草成品样本在运用软件的图像法计算出含梗率，将这些值作为需要拟合函数的输入集合，

步骤3：运用改进的遗传算法求出非线性拟合函数的最佳参数，即满足遗传算法结束循环条件的系数向量A＝[a₁，a₂，…，a_n]^T，具体为，

遗传算法应用于三次样条函数拟合的基本思路正是通过运行遗传算法GA找到系数向量A＝[a₁，a₂，…，a_n]^T中第一个元素a₁的最佳值，再依次求出其余系数a₂…a_n，所以在遗传算法GA中要编码的参数只有a₁，设在整个曲线拟合区间[a，b]上的第i代第j条染色体对应的估计误差为e_ij,这样就可以定义该染色体的适应度函数：

2.根据权利要求1所述的基于遗传算法的图像法含梗率非线性拟合模型计算方法，其特征在于，所述遗传算法GA的具体步骤为：

(1)设置参数，包括群体规模N，染色体长度L，交叉概率P_c，正常变异概率P_mnor，最大变异概率P_mmax，运行代数G_e，运行代数G_t，估计精度W，令i＝0，k＝0，m＝0；

(2)初始化N个染色体，令i＝i+1，k＝0，m＝0；

(3)译码染色体并对第i代中第j条染色体计算估计误差

e_ij，令

(4)采用赌轮法选择N个父体，保留1个最优父体不参与交叉变异；

(5)配对交叉，采用两点交叉方法，在交叉过程中以概率P_m调用变异操作，若P_m＝P_mmax，变异操作完成之后恢复正常的变异概率P_m＝P_mmor，将步骤(4)保留的最优父体随机地替换N个子体中的任一个；

(6)如果否则k＝0，m＝0；

(7)如果N个父体都相同或k＝G_e，使变异概率P_m＝P_mmax，令k＝0；

(8)如果m＝G_t或那么结束算法，否则转至步骤(3)。