高美凤， 陶焕明

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

引 言

近红外光谱分析技术凭借其快速、 无损以及低成本的特点， 已经广泛运用在食品分析、 生物医学、 农业等领域。 但由于近红外光谱不同的波长点对被测物质不同化学基团的吸收强度不同， 被测物质浓度并不与光谱全谱波长信息相关， 往往采集到的全光谱数据存在大量的冗余信息以及噪声信息， 与之直接相关的有效信息仅仅存在于全谱信息中的一部分。 如何快速有效地提取出有用光谱信息是近红外光谱技术研究的重点之一。

目前， 国内外研究学者提出大量基于不同原理策略的波长筛选方法， 主要有： 以全谱PLS模型的某些参数作为变量选择的依据， 如无信息变量消除法(UVE)对回归系数设定阈值限制来选择有效变量[1]； 以光谱区间为筛选对象的方法， 如区间偏最小二乘(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； 以连续投影策略进行变量排序筛选出最优变量子集， 如连续投影算法(SPA)[6]； 以模型集群分析策略的方法， 如变量空间迭代收缩(VISSA)[7]、 变量组合集群分析(VCPA)[8]； 以智能算法为核心进行波长组合优化， 如遗传算法(genetic algorithm， GA)[9-11]、 免疫遗传算法(IGA)[12]、 粒子群算法(PSO)[13]、 蚁群算法(ACO)[14]、 二进制蜻蜓算法(BDA)[15]等。 团队进步算法(team progress algorithm， TPA)[16-17]是一种典型的智能组合优化算法， 它是通过树立榜样引导团队进步的方向， 利用合理的分工合作提高工作效率。

近红外光谱波长变量多， 需要在多达几百甚至上千的波长点中， 选择最有效的波长点， 使得所建模型的预测精度最高， 因此将波长筛选问题转化为波长点之间的组合优化问题， 通过智能组合优化算法寻找光谱中的最佳波长。……