[发明专利]基于混沌正弦映射的花朵授粉优化算法的支持向量机药品预测方法

摘要

本发明提出了一种基于混沌正弦映射的花朵授粉优化算法的支持向量机药品预测方法，该方法包括A、收集某类药品2012至2016年的销售量，生成学习样本；B、确定SVM的常数c和核函数σ的取值范围，以及迭代结束条件；C、根据混沌正弦映射方程计算P，初始n朵花种群的位置，确定初始的最优解位置g*；D、判断进行全局授粉或局部授粉，并且是否更新g*，E、若g*连续迭代m(m∈t)次以后没有更新，将进行k次迭代，最后将此混沌序列反归一化生成经过混沌正弦映射的最优值序列；F、综合结果，将最终g*＝(c,g)带入SVM向量机，进行模型训练和验证，根据预测结果，对学习样本进行调整，最终最优预测发明方法。

主权项

一种基于混沌正弦映射的花朵授粉优化算法的支持向量机药品预测方法，其特征在于：包括如下步骤：S1，获取药品销售数量数据生成学习样本；S2，确定SVM的常数c和核函数σ的取值范围，以及迭代结束条件即最大迭代次数t；S3，根据混沌正弦映射计算花朵授粉转移概率P，初始n朵花种群的位置，确定初始的最优解位置g*；S4，判断进行全局授粉或局部授粉，并且是否更新g*；S5，当满足迭代结束条件t时，迭代结束；对比中的最优向量值，选出全局最优位置g*；S6，判断g*是否满足S2中确定的取值范围，输入SVM的数据进行归一化处理，将最优位置g*代入SVM向量机预测，对学习样本进行调整，最终获得最优药品销量预测数据。