[发明专利]一种基于权重蜻蜓算法的比色传感器阵列优化方法

权利要求书

1.一种基于权重蜻蜓算法的比色传感器阵列优化方法，其特征在于，包括以下步骤：

对反应前后的图像进行预处理，并从预处理后的差值图像中提取每个色敏斑点的颜色特征值，假设初步制备的比色传感器阵列有p个色敏斑点，则获取的比色传感器阵列的颜色特征变量为3p个；然后设计改进权重蜻蜓算法，优化提取的3p个颜色特征变量，选择筛选变量累积频次超过运行次数1/3或1/2以上的变量作为特征分量，根据特征分量对应的色敏材料，制备比色传感器阵列；

改进权重蜻蜓算法的具体实现过程如下：

假设实验获得样本个数为N_S，每个样本的变量个数为3p，则原始样本空间数据维度为N_S×3p；

初始化蜻蜓算法参数设置，蜻蜓的个数为M，M＝10％×3p，随机初始化蜻蜓初始位置X、初始位置变化步长化△X，设置蜻蜓最大迭代次数T；

对第一迭代初始化的M个变量进行个体评价，对M个选中的变量赋予相同的权值，利用选中的变量建立偏最小二乘PLS模型，损失函数定义为PLS模型的交叉验证均方根误差，依据最小的交叉验证均方根误差值确定最佳组合的变量子集，子集中的变量个数记为L；

对最佳的PLS子模型，首先，将PLS模型的回归系数矩阵进行平方；然后，对平方后的回归系数矩阵进行归一化；最后，对归一化后的每个模型的回归系数进行求和，更新特征变量的新权值；

其中b_l为第l个变量的回归系数；

判断是否达到最大迭代次数，如果是，程序结束，记录变量子集中的所有变量；如果没有，根据蜻蜓算法更新准则，依据被选中变量的权重大小更新各自的位置，计算公式如下：

权重分离度：

式中：X_i表示当前蜻蜓个体的位置，ω_i表示第i个体X_i的权重；X_j表示第j个相邻蜻蜓个体的位置，ω_j表示第j个体X_j的权重；

权重对齐度：

式中：V_j表示第j个相邻蜻蜓个体的速度；

权重内聚度：

食物吸引力：F_i＝X⁺-X_i

式中，X⁺表示食物源位置；

天敌排斥力：E_i＝X^--X_i

式中，X^-表示天敌位置，根据五种蜻蜓行为，下一代蜻蜓位置和位置更新步长计算如下：

ΔX_t+1＝ω_i(S_i+A_i+C_i+F_i+E_i)+ω_iΔX_t

X_t+1＝X_t+ω_iΔX_t+1

式中：t表示当前迭代次数；i表示第i个蜻蜓个体；ω_i表示当前个体的权重；X_t表示当前t代种群个体位置，ΔX_t+1表示下一代种群位置跟新步长；X_t+1表示下一代种群个体位置，通过上述更新生成一个新的蜻蜓种群；

回到上述步骤对第一迭代初始化的M个变量进行个体评价中，计算新的群体中每个个体的损失函数，然后执行循环，直到满足停止条件，记录被选中的变量。