基于離散多重宇宙優(yōu)化算法的紅外光譜波長選擇方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及紅外光譜波長選擇技術(shù)領(lǐng)域，更具體而言，設(shè)及一種基于離散多重宇 宙優(yōu)化算法的紅外光譜波長選擇方法。
【背景技術(shù)】
[0002] 紅外光譜分析是一種新興的分析技術(shù)，由于它具有快速、無損和無污染等優(yōu)點(diǎn)，在 農(nóng)業(yè)、化工和環(huán)境監(jiān)測等領(lǐng)域有著廣泛的應(yīng)用。但是，紅外光譜通常具有波長點(diǎn)多、吸收峰 重疊、波長點(diǎn)之間存在嚴(yán)重的共線性關(guān)系等特點(diǎn)，給后續(xù)的定性與定量分析造成困難。因 此，研究波長選擇方法，對于簡化模型、提高模型的預(yù)測能力和魯棒性具有重要的實(shí)際意 義。
[0003] 2015年2月，SeyedaliMirjalili等人受多重宇宙理論啟發(fā)，提出了多重宇宙優(yōu)化 (Multi-verseOptimizer,MV0)算法并發(fā)表在化uralComput&A卵lie雜志上。該算法引入 多重宇宙理論中的白桐、黑桐和蟲桐等概念，實(shí)現(xiàn)傳統(tǒng)群優(yōu)化算法捜索過程中的全局探測 (6邱1〇阿1：；[0]1)和局部捜索（6邱1〇；^曰1：；[0]1)。在^0算法中，一方面利用白桐和黑桐兩個概 念來實(shí)現(xiàn)在整個解空間中的探測；另一方面利用蟲桐的概念來實(shí)現(xiàn)解空間中的局部捜索。 假設(shè)解空間中的每個潛在可行解為一個宇宙，解空間中的每個變量對應(yīng)宇宙中的一個星 體。另外，假設(shè)每個潛在可行解(宇宙)存在一個膨脹速度，該膨脹速度與潛在可行解對應(yīng)的 適應(yīng)度函數(shù)值呈正比。在MV0算法的優(yōu)化過程中，各個宇宙應(yīng)該遵循W下規(guī)則：
[0004] (1)宇宙的膨脹速度越大，其含有白桐的概率越高；
[000引（2)宇宙的膨脹速度越大，其含有黑桐的概率越低；
[0006 ] (3)膨脹速度大的宇宙趨向于通過白桐向外發(fā)送星體；
[0007] (4)膨脹速度小的宇宙趨向于通過黑桐吸收外面更多的星體；
[0008] (5)無論膨脹速度的大小，所有宇宙均有可能通過蟲桐產(chǎn)生朝向最優(yōu)宇宙的隨機(jī) 移動。
[0009] 然而，該算法僅適用于解決連續(xù)變量的優(yōu)化問題，不適用于解決離散變量的優(yōu)化 問題。因此，該算法無法直接應(yīng)用于紅外光譜的波長選擇領(lǐng)域。為此，本專利提出一種離散 多重宇宙優(yōu)化(DiscreteMV0，DMV0)算法，并將其應(yīng)用于解決紅外光譜的波長選擇問題。

【發(fā)明內(nèi)容】

[0010] 針對現(xiàn)有的多重宇宙優(yōu)化算法不適用于解決離散變量的優(yōu)化問題，本發(fā)明提出一 種離散型的多重宇宙優(yōu)化算法，并將其應(yīng)用于紅外光譜的波長選擇領(lǐng)域。該方法首先利用 數(shù)學(xué)語言將紅外光譜的波長選擇問題描述為一個多變量的離散優(yōu)化問題，即用"?；?0" 分別表示對應(yīng)的波長是否被選中；其次，利用多重宇宙優(yōu)化算法進(jìn)行捜索求解，與現(xiàn)有的連 續(xù)型多重宇宙優(yōu)化算法不同的是，需要在迭代過程中對新產(chǎn)生的個體(潛在可行解)進(jìn)行離 散化處理。
[0011] 為了解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案為：
[0012] 假設(shè)有N個樣品，利用光譜儀掃描出的紅外光譜信號為,對應(yīng)的待分析組 分含量為Ye阪WX1。其中，P為紅外光譜的波長點(diǎn)數(shù)，一般情況下N< <p。
[0013]由化學(xué)計(jì)量學(xué)原理可得，待分析組分的含量預(yù)測模型可w表示為
[0014] Y=Xb+e(1)
[001引其中，bGIT4為待擬合的回歸系數(shù)；εe必W為噪聲誤差。
[0016]將紅外光譜的特征選擇問題映射為一個目標(biāo)函數(shù)的優(yōu)化問題，具體的步驟如下：
[0017](1)將整個數(shù)據(jù)集劃分為兩部分：訓(xùn)練集和驗(yàn)證集。訓(xùn)練集用于創(chuàng)建回歸模型；驗(yàn) 證集用于構(gòu)建離散多重宇宙優(yōu)化(DMV0)算法的適應(yīng)度函數(shù)。
[0018](2)將整個光譜范圍劃分為若干個子區(qū)間，整個光譜范圍用一串二進(jìn)制碼表示，對 應(yīng)子區(qū)間的選擇與否用"Γ與"0"表示。
[0019](3)隨機(jī)產(chǎn)生一定規(guī)模的初始化種群，針對每個個體，先將其中編碼為"Γ對應(yīng)的 子區(qū)間光譜提取出來，并利用訓(xùn)練集創(chuàng)建回歸模型;接著計(jì)算驗(yàn)證集的預(yù)測結(jié)果并選取相 關(guān)的評價指標(biāo)作為該個體對應(yīng)的適應(yīng)度函數(shù)值。
[0020] (4)利用多重宇宙優(yōu)化(MV0)算法進(jìn)行迭代優(yōu)化，W產(chǎn)生新的種群。
[0021 ] (5)在每次迭代過程中，需要對新產(chǎn)生的個體進(jìn)行離散化處理。
[0022] (6)計(jì)算新產(chǎn)生的種群中每個個體的適應(yīng)度函數(shù)值，并對相關(guān)的參數(shù)值進(jìn)行更新。
[0023](7)判斷是否滿足迭代停止條件，若滿足，則退出，輸出最優(yōu)值；否則，返回步驟 (4)。
[0024]上述步驟（1)中所述的回歸模型可W采用線性方法（多元逐步回歸、PLS等），也可 W采用非線性方法(神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、極限學(xué)習(xí)機(jī)等)建立。
[0025]上述步驟(2)中所述的子區(qū)間采用均勻或非均勻劃分方式均可W。
[0026] 上述步驟（3)中所述的適應(yīng)度函數(shù)可W通過驗(yàn)證集的均方根誤差（RootMean Squaredlirror,RMSE)、決定系數(shù)R2或其他評價指標(biāo)構(gòu)建。
[0027] 上述步驟（4)中所述的MV0算法迭代優(yōu)化過程主要涵蓋W下兩個階段:全局探測 (exploration)和局部捜索（exploitation)。詳細(xì)的描述如下：
[0028](1)全局探測（exploration)階段。在該階段，針對每個宇宙?zhèn)€體，將其作為黑桐； 同時，利用輪盤賭方法隨機(jī)產(chǎn)生一個宇宙?zhèn)€體作為白桐。在黑桐和白桐間建立時空管道，并 進(jìn)行星體的交換。假設(shè)初始種群為：
[0029]
[0030] 其中，d為潛在可行解中變量的個數(shù);η為宇宙(潛在可行解)的個數(shù)。
[0031]輪盤賭方法的選擇規(guī)則如下：
[0032]
[0033] 其中，χ/表示第i個宇宙的第j個變量;Ui表示第i個宇宙;ΝΙ化i)表示歸一化后的 第i個宇宙的膨脹速度;rl為[0，1]范圍內(nèi)的一個隨機(jī)數(shù)；冶表示第k個宇宙（即輪盤賭方法 選中的宇宙)的第j個變量。
[0034] (2)局部捜索(exploitation)階段。為了保證宇宙的多樣性，在該階段假定每個宇 宙中均含有蟲桐，即可W隨機(jī)地在宇宙間傳輸星體，而不受膨脹速度大小的影響。為了提升 所有宇宙的平均膨脹速度，假定蟲桐的時空管道僅建立在宇宙和最優(yōu)宇宙之間，具體的公 式如下所示：
[0035]
[0036] 其中，Xj表示截止目前時刻尋找到的最優(yōu)宇宙的第j個變量；TDR和WEP是兩個系 數(shù)；Ibj表示第j個變量的下界;ubj表示第j個變量的上界；婷表示第i個宇宙的第j個變量； r2，r3和r4為[0，1 ]范圍內(nèi)的隨機(jī)數(shù)。WEP表征了宇宙中存在蟲桐的可能性(概率)大小，隨著 時間的推進(jìn)，WEP需要逐漸增加，W提升局部捜索的重要性;TDR為宇宙中的星體通過蟲桐傳 輸?shù)阶顑?yōu)宇宙的距離系數(shù)，與WEP相反，TDR需要隨著時間的推進(jìn)逐漸減小，W保證在最優(yōu)宇 宙周圍的局部捜索能力。具體的公式如下
[0037]
[003引其中，min為WEP的最小值;max為WEP的最大值；1為當(dāng)前的迭代次數(shù);L為最大迭代 次數(shù)。
[0039]
[0040] 其中，P表征了進(jìn)入局部捜索階段的快慢，P越大，表示越快進(jìn)入局部捜索階段。
[0041] 上述步驟(5)中所述的離散化處理可W采用Sigmoid型、V型或其他類型的傳遞函 數(shù)。
[0042] 上述步驟(7)中所述的迭代停止條件可W為最大迭代次數(shù)、相鄰兩次迭代的適應(yīng) 度函數(shù)值誤差容限或其他評價指標(biāo)。
[0043] 與現(xiàn)有技術(shù)相比本發(fā)明所具有的有益效果為：
[0044] 基于現(xiàn)有的多重宇宙優(yōu)化算法，本發(fā)明提出了離散多重宇宙優(yōu)化算法，W適用于 離散型變量的優(yōu)化問題。該方法為紅外光譜的波長選擇問題提供了一種新的途徑和理論框 架，可W廣泛應(yīng)用于固相、液相和氣相的紅外光譜波長選擇領(lǐng)域中。
【附圖說明】
[004引下面通過附圖對本發(fā)明的【具體實(shí)施方式】作進(jìn)一步詳細(xì)的說明。
[0046] 圖1為本發(fā)明的系統(tǒng)框圖；
[0047] 圖2為60個汽油樣品的近紅外光譜圖；
[0048] 圖3為蟲桐存在概率(WEP)的傳輸距