[發明專利]一種基于策略改進樽海鞘智能算法的雙星光譜擬合方法

在審

• 申請號: 201911348053.1
• 申請日: 2019-12-24
• 公開（公告）號: CN111126549A
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 遲煥斌;王鋒;李忠木;劉通;和婧;王騫;李鶴健;阮俊梟;吳世浙;陳雪鷗;陳鐳丹
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06N3/00
• 分類號: G06N3/00
• 代理公司: 昆明潤勤同創知識產權代理事務所(特殊普通合伙) 53205
• 代理人: 付石健

1.一種基于策略改進樽海鞘智能算法的雙星光譜擬合方法，其特征在于，包含如下步驟：

步驟1：將待擬合的觀測光譜波段設置在雙星模型下的理論光譜星族樣本庫；

步驟2:應用策略改進樽海鞘智能算法對步驟1中待擬合的觀測光譜在理論光譜星族樣本庫中進行尋優，獲得最優擬合光譜。

2.根據權利要求1所述的一種基于策略改進樽海鞘智能算法的雙星光譜擬合方法，其特征在于，所述步驟2具體包括如下子步驟：

步驟2.1：種群初始化及對種群個體實數編碼

初始化種群中的個體變量及相關參數，并對種群個體實數編碼，其中種群X＝{X_i，i＝1,2,3,……，N}，種群個體X_i＝{X_id，d＝1,2,3,……，D}，N為種群的個數，D為搜索空間的維度；

采用混沌映射函數式(6)對種群個體進行映射，映射方式為式(7)，映射完成后采用式(8)對種群進行反向學習，

X_id＝Xmind+y_id*(Xmaxd-Xmind) (7)

OX_id＝Xm_ind+X_maxd-X_id (8)

式(6)中，混沌映射函數在D維空間中生成混沌序列y＝{y_d,d＝1,2,……,D},yd＝{y_id,i＝1,2,……,N}；

式(7)中，N為種群的個數，Xmind為搜索的下界，Xmaxd為搜索的上界，D為搜索空間的維度；

式(8)中，反向種群OX＝{OX_i,i＝1,2,……,N},反向種群個體OX_i＝{OX_id,d＝1,2,……,D}；

步驟2.2：使用式(5)計算觀測光譜的適應值，

χ²＝Σ[(f_obλ-f_thλ)²ω_λ] (5)

式(5)中，f_obλ是觀測光譜，f_thλ是理論光譜,而ω_λ是波長λ的權重；對式(5)中獲得的適應值進行排序找到最小適應值并賦值給食物源F，作為當前食物適應值；

步驟2.3：根據式(4)按照隨機游走策略更新當前食物適應值，即食物源F，并按照精英策略保留，

式(4)中，x_n是第n步后的位置，α_i是步長控制因子，s_i取自柯西分布隨機數；

步驟2.4：種群位置更新

計算種群中的個體適應值，將最優適應值所對應的個體位置賦值給食物源F，將種群的前半部分定義為帶隊樽海鞘，負責引導群體向最優解移動，其位置更新方式為式(2)，

其中，其中是第j維第一只帶隊樽海鞘的位置，F_j是第j維食物源的位置，c2、c3是(0-1)的隨機數，ub_j是第j維搜索空間的搜索上界，lb_j是第j維搜索空間的搜索下界，l為當前迭代次數，L為最大搜索迭代次數，c1為迭代因子，由式(1)確定；

種群的后半部分定義為跟隨樽海鞘，其位置更新方式為式(3)，

式(3)中，Xⁱ_j是第i個跟隨樽海鞘在第j維搜索空間的位置，X^i-1_j是第i-1個跟隨樽海鞘在第j維搜索空間的位置；

步驟2.5：種群中的所有樽海鞘完成位置更新后根據搜索的上界和搜索的下界對種群進行修正，得到更新后的群體中每個個體的適應值；將更新后的群體中的每個個體的適應值與當前食物適應值相比較，若存在優于當前食物適應值的個體，則以適應值更優的樽海鞘個體位置作為新的食物位置，即將最優個體適應值所對應的位置賦值給食物源F；

步驟2.6:判斷是否達到最大迭代次數或終止條件，如果達到最大迭代次數或者滿足終止條件則算法終止，輸出最優個體位置，得到最優擬合光譜。

3.根據權利要求2所述的一種基于策略改進樽海鞘智能算法的雙星光譜擬合方法，其特征在于，采用式(9)對步驟2.4中的食物源F的慣性進行自適應調整，

其中it與l定義一致，均為當前迭代次數，ω(it)為當前迭代次數對應的慣性因子，作用在(2)式F_j前：將原來的F_j項替換為ω(it)*F_j，具體如下式所示：