[发明专利]一种食品企业信用等级评价方法

权利要求书

1.一种食品企业信用等级评价方法，其特征在于：该方法包括以下步骤：

 A、确定用于信用等级评价的属性特征，

B、根据以往企业信用等级评价的数据，得到（m,n+1）维的属性值-评价值对，                                                ，其中x_i，i=1，2，...，n为属性特征，f_ij,i=1，2，...，m, j=1，2，...，n为属性值，E_i，i=1，2，...，m为综合评价值即信用等级评价的值， 

C、将步骤B中得到的数据归一化到[0,1]闭区间内， 

D、执行粒子群和梯度下降的混合算法，包括以下步骤：

Step 1: 随机初始化种群, 包括两部分，一部分是粒子的位置信息，每一个粒子位置代表一个测度密度, 记为μ_i={μ_ij}；另一部分是粒子的速度，每一个粒子速度代表在一次迭代过程中粒子位置的改变值, 记为v_i={v_ij}, 其中μ_ij   [0，1]，v_ij    [-1，1], i=1，2，...，m, j=1，2，...，n, m代表粒子的数量, n为属性个数，然后初始化pbest_i=0和gbest=0, 其中pbest_i代表第i个粒子迭代过程中的最好的位置，gbest代表整个种群到目前位置到达的最好的位置；

Step 2: 使用牛顿法求解得到λ值，利用λ律得到其他集合上的模糊测度值；计算每个粒子的适应度，适应度函数定义为, 其中e由以下公式计算, 更新pbest_i和gbest：

如果gbest的适应度值大于事先给定的阈值或者迭代次数大于给定的阈值，则终止迭代跳到Step8; 否则, 跳到Step 3；

Step 3:根据以下公式更新粒子的速度:

v_ij(t+1)=w_i?v_ij(t)+c₁?rand()? (pbest_ij(t)- μ_ij (t))+c2?rand()? (gbest_j(t)- μ_ij (t))

w_i定义为

其中t表示第t次迭代，rand()表示在 [0,1]内的随机数，c1=c2=2，t_max表示指定的最大迭代次数，w_initial表示初始惯性权重值，w_final表示终止的惯性权重值， l表示给定的系数；如果速度v_ij >v_max，则v_ij =v_max；如果v_ij <-v_max，则v_ij =-v_max，指定v_max =1；

Step 4: 根据以下公式更新粒子的位置:

μ_ij (t+1)= μ_ij (t)+ v_ij (t+1)

其中t表示第t次迭代；如果粒子的位置μ_ij >1或者μ_ij <0, 则；

Step 5:从当前的种群中随机选择一个粒子μ_p,  其中p表示在[1, N]内的整数； 

Step 6: 对于当前的训练集合 (fⁱ，E_i)，计算误差，记μ_p(0)，μ_p(1)，...，μ_p(n)为fⁱ涉及路径的节点值；值得注意的是μ_p(0)= μ_p(φ)=0，μ_p(n)= μ_p(X)=1；

Step 7:根据下面公式计算第p个粒子的新位置：

μ_p(j)= μ_p(j)-α?ε?(f_*ⁱ(n-j)- f_*ⁱ (n-i-j))

其中α   [0,1]是指定的参数，f_*ⁱ (j)表示当fⁱ升序排列的时候的第j个值，n表示属性个数；

重复Step7，对于j=1,2,...,n-1按照下列规则: 

(1) 如果ε>0, 从μ(1), μ(2),..., μ(n-1)开始;

(2) 如果ε<0, 从μ(n-1), μ(n-2),..., μ(1)开始；

对于所有的训练集合，重复Step6-Step7 Num次, 其中Num是事先指定的固定值；

返回Step 2；

Step 8: 输出gbest和对应的误差e；

E、根据步骤D的输出得到模糊测度μ，

F、根据上述结果，输入实际数据，进行等级划分。