一种基于策略改进樽海鞘智能算法的双星光谱拟合方法技术

本发明专利技术公开了一种基于策略改进樽海鞘智能算法的双星光谱拟合方法，首先将待拟合的观测光谱波段设置其在双星模型下的理论光谱星族样本库；然后运用策略改进樽海鞘智能算法对待拟合的观测光谱在理论光谱星族样本库中进行寻优，获得最优拟合光谱。本发明专利技术将混沌映射、以及反向学习方法应用于种群初始化，使得种群个体的初始位置分布更均匀，种群多样性更加明显，有利于避免传统算法前期的早熟收敛问题；采用随机游走策略来实现食物源的位置更新，有利于跳出局部收敛陷阱，进一步增强了算法的全局寻优性能；策略改进后的樽海鞘智能算法收敛速度更快，收敛更为平滑，更利于跳出局部早熟，将策略改进后的樽海鞘智能算法应用于双星光谱拟合时，拟合速度更快，拟合精度更高。

A strategy based method for fitting the spectra of two stars based on the improved intelligent algorithm of Thaliacea

【技术实现步骤摘要】
一种基于策略改进樽海鞘智能算法的双星光谱拟合方法
本专利技术属于大数据处理
，具体涉及一种基于策略改进樽海鞘智能算法的海量双星光谱数据拟合方法。
技术介绍
星系或星团的光谱主要来自恒星。星系的光谱蕴含了大量的星系物理信息，如何快速、准确的分析星系的观测光谱从而获得星系的相关物理参数估计，是研究星系演化形成的关键。随着巡天技术的发展，越来越多的高质量的星系观测光谱数据被采集。星族合成方法即是用星族的积分特性例如光谱等和观测到的或者理论星族模型比对，从而确定构成该星系的恒星成分及物理参数的过程。研究表明星系中双星占比超过50％，双星星族合成是对天体物理研究具有重要意义，被列为未来几十年星族合成的六大挑战之一。光谱拟合是星族合成方法的关键，是利用星族可计算特征量(如光谱分布等)通过拟合来估计星族的相关参数信息。具体来说是从模型光谱库中找到最逼近观察光谱的模型光谱，星族光谱拟合的实质是在模型光谱库对应的参数空间进行搜索，找到与被拟合的观察光谱最小值χ2＝∑[(fobλ-fthλ)2ωλ]所对应的模型光谱，其中fobλ和fthλ分别为观测和理论光谱本文档来自技高网...

【技术保护点】
1.一种基于策略改进樽海鞘智能算法的双星光谱拟合方法，其特征在于，包含如下步骤：/n步骤1：将待拟合的观测光谱波段设置在双星模型下的理论光谱星族样本库；/n步骤2:应用策略改进樽海鞘智能算法对步骤1中待拟合的观测光谱在理论光谱星族样本库中进行寻优，获得最优拟合光谱。/n

【技术特征摘要】
1.一种基于策略改进樽海鞘智能算法的双星光谱拟合方法，其特征在于，包含如下步骤：
步骤1：将待拟合的观测光谱波段设置在双星模型下的理论光谱星族样本库；
步骤2:应用策略改进樽海鞘智能算法对步骤1中待拟合的观测光谱在理论光谱星族样本库中进行寻优，获得最优拟合光谱。


2.根据权利要求1所述的一种基于策略改进樽海鞘智能算法的双星光谱拟合方法，其特征在于，所述步骤2具体包括如下子步骤：
步骤2.1：种群初始化及对种群个体实数编码
初始化种群中的个体变量及相关参数，并对种群个体实数编码，其中种群X＝{Xi，i＝1,2,3,……，N}，种群个体Xi＝{Xid，d＝1,2,3,……，D}，N为种群的个数，D为搜索空间的维度；
采用混沌映射函数式(6)对种群个体进行映射，映射方式为式(7)，映射完成后采用式(8)对种群进行反向学习，



Xid＝Xmind+yid*(Xmaxd-Xmind)(7)
OXid＝Xmind+Xmaxd-Xid(8)
式(6)中，混沌映射函数在D维空间中生成混沌序列y＝{yd,d＝1,2,……,D},yd＝{yid,i＝1,2,……,N}；
式(7)中，N为种群的个数，Xmind为搜索的下界，Xmaxd为搜索的上界，D为搜索空间的维度；
式(8)中，反向种群OX＝{OXi,i＝1,2,……,N},反向种群个体OXi＝{OXid,d＝1,2,……,D}；
步骤2.2：使用式(5)计算观测光谱的适应值，
χ2＝Σ[(fobλ-fthλ)2ωλ](5)
式(5)中，fobλ是观测光谱，fthλ是理论光谱,而ωλ是波长λ的权重；对式(5)中获得的适应值进行排序找到最小适应值并赋值给食物源F，作为当前食物适应值；
步骤2.3：根据式(4)按照随机游走策略更新当前食物适应值，即食物源F，并...

【专利技术属性】
技术研发人员：迟焕斌，王锋，李忠木，刘通，和婧，王骞，李鹤健，阮俊枭，吴世浙，陈雪鸥，陈镭丹，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南;53