[发明专利]基于模拟退火算法的近红外光谱波长子区间选择方法

权利要求书

1.一种基于模拟退火算法的近红外光谱波长子区间选择方法，采用如下步骤：

1)对近红外光谱进行预处理，包括对校正集和预测集样本的划分，将预处理后的近红 外光谱的全光谱划分为k个子区间，若总波数点数除以k等于n，存在余数m，则前m个 子区间中每个子区间波数点个数为n+1，剩余子区间中每个子区间波数点个数为n；

2)设置最小子区间数Io、最大子区间数I_f、目标函数f(x)、初始化温度t₀、温度衰减 函数g(α)、结束温度t_f、马尔可夫链长度L_k和Metropolis接受新解准则，采用模拟退火算 法选择最佳特征子区间的个数及组合方式，选择完成后，递增子区间数，由子区间总数i＝ 最小子区间数I_o开始以i＝i+1的方式递增子区间数、直至i大于最大子区间数I_f时递增结束；

3)重复执行模拟退火算法，在模拟退火算法结束时比较各种区间划分方式时的特征子 区间最优组合，取目标函数值最大的优化解作为全局最优特征子区间集合；

4)根据全局最优特征子区间集合建立校正集与预测集模型；

其特征是：所述模拟退火算法的步骤包括：

(1)温度为t＝t₀时，随机选择m个子区间作为旧解x；

(2)在旧解x和未选中的k-m个子区间中，根据子区间交换函数交换子区间后产生新 解y；子区间交换函数h(t)＝1-exp(-t)，当温度t降低至t_n-1时，温度t_n-1对应的子区间交换个 数c_n-1＝c*h(t)，c是温度为t时对应的子区间交换个数；

(3)计算新解y、旧解x的目标函数f(x)和f(y)；

(4)根据(3)的计算结果，采用Metropolis接受新解准则判断新解y、旧解x的重要 性；

(5)当温度为t时，算法搜索迭代的次数，判断算法搜索迭代的次数是否等于马尔可 夫链长度L_k，如果不等于则重复步骤(2)～(5)；否则执行下一个步骤(6)；

(6)根据温度衰减函数g(α)降低温度t；

(7)判断温度t是否达到结束温度t_f，没有达到结束温度t_f则重复执行(2)～(7)， 否则执行步骤(8)；

(8)以i＝i+1的方式递增光谱子区间个数，重复执行(2)～(8)，直至子区间总数i 大于最大子区间数I_f后进入步骤(9)；

(9)返回最佳子区间数和入选的特征子区间，返回最佳子区间和入选的特征子区间的 方法是：以i＝i+1的方式递增光谱子区间，计算光谱子区间对应的最优解，得到不同子区间 总数i∈[I0，I_f]对应的优化解，从这些优化解中选择目标函数值f(x)最大的解记为x_k，x_k为 入选的特征子区间，x_k的下标k为取得最优解时返回的最佳子区间数。

2.根据权利要求1所述的基于模拟退火算法的近红外光谱波长子区间选择方法，其特 征是：步骤(4)中判断新解y、旧解x的重要性的方法是：将新解转移概率和随机概率密度函数r∈[0，1]进行比较，若pt＞r成立则表示新解被接受，否则维持旧解不变。

3.根据权利要求1所述的基于模拟退火算法的近红外光谱波长子区间选择方法，其特 征是：步骤(2)中的子区间交换函数的特性为：在退火温度较高时对应较大的子区间交换 个数，在退火温度较低时对应较小的子区间交换个数。