基于改进免疫遗传算法的近红外光谱变量选择方法

陶焕明，高美凤

（江南大学 轻工过程先进控制教育部重点实验室，物联网工程学院，江苏 无锡 214122）

近红外光谱分析检测技术具有快速、无损以及低成本的优势，已经广泛运用于众多领域。如何快速有效地提取出有用光谱信息，即光谱变量选择，是近红外光谱技术研究的重点之一。目前，许多国内外学者提出了大量基于不同原理、策略的变量选择方法，如通过无信息变量消除法（UVE）对偏最小二乘（PLS）回归系数设定阈值限制来选择有效变量［1］；区间偏最小二乘（iPLS）［2］、移动窗口偏最小二乘（MWPLS）［3］、向前和向后间隔偏最小二乘（FB－iPLS）［4］、区间随机蛙跳（iRF）［5］等则均为以光谱区间为筛选对象的方法。近年来，以智能算法及其改进算法为核心进行波长组合优化的算法研究较多，主要有遗传算法（GA）［6－8］、粒子群算法（PSO）［9］、模拟退火算法（SAA）［10］、蚁群算法（ACO）［11］等。GA算法具有群体搜索特性，广泛应用于多种领域，但易过早收敛。刘鑫等［12］将改进的GA 算法用于土壤养分预测，采用一种改进的实数编码差分变异算子，扩大了全局最优解搜索空间，加快了收敛速度，提高了预测精度。免疫遗传算法（IGA）在GA 算法的基础上引入了生物免疫机制，本质也是对GA 算法的一种改进［13－15］。相较于GA算法及其改进算法，IGA算法避免了容易过早收敛的缺点，维持了种群中个体的多样性，可有效防止算法陷入局部最优，但其精度性能仍存在提升空间。国内外对IGA 算法的研究也从未停止脚步［16－17］。

本文提出了一种改进免疫遗传算法（iIGA）用于近红外光谱变量选择。……