[发明专利]基于反比例多项式函数萤火虫优化算法的支持向量机药品预测方法

权利要求书

1.一种基于反比例多项式函数萤火虫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迭代次数；

S3，初始FA算法，根据每一次迭代计算萤火虫光强值I，判断是否对萤火虫光强度I进行位置更新；

S4，判断迭代结束条件，找到最优二维向量(c,g)，将该最优二维向量(c,g)代入SVM向量机进行训练和验证，对学习样本进行调整，最终得到药品销售预测结果。

2.根据权利要求1所述的基于反比例多项式函数萤火虫优化算法的支持向量机药品预测方法，其特征在于：所述S3初始FA算法包括：

初始FA算法中α,γ,β₀的值:α是[0.1]上的随机变量，γ为光强吸收系数，为大于0的随机数，β₀为r＝0处的吸引力大小，可取初始值为1。随机产生n只萤火虫位置，每一只萤火虫的位置对应的一个二维向量(c,g)其中σ为核函数分布宽度。

3.根据权利要求1所述的基于反比例多项式函数萤火虫优化算法的支持向量机药品预测方法，其特征在于：所述S3萤火虫光强值步骤包括：

若I_j＞I_i，则根据位置更新公式

$x_i=x_i+\mathrm{\β}\left(r\right)*(x_j-x_i)+\mathrm{\α}(rand-\frac{1}{2});$

第一项为变换前的空间坐标位置，第二项为移动偏移量，与吸引力大小相关，最后一项为随即项，其中α为[0.1]上的随机变量，rand服从[0.1]分布；

将x_i进行更新，并同时根据公式

$I\left(r\right)=I_0\frac{1}{1+{\mathrm{\γr}}^2};$

将当前各只萤火虫光强度I进行更新。

4.根据权利要求1所述的基于反比例多项式函数萤火虫优化算法的支持向量机药品预测方法，其特征在于：所述S4包括：

S4-1，达到迭代结束条件，则停止迭代，找到光强最大的萤火虫x_max，则找到最优的二维向量(c,g)；

S4-2，为加快SVM运算速度，对即将输入SVM的数据进行0-1归一化处理

S4-3，将最优解(c,g)带入SVM向量机进行模型训练和验证。

5.根据权利要求1所述的基于反比例多项式函数萤火虫优化算法的支持向量机药品预测方法，其特征在于：还包括：

当r_i,j距离不大时，采取用反比例多项式函数代替反比例指数函数的方式，对光强度和吸引力强度进行运算，使结果更加精确。