一种高精度的儿童成年身高预测方法技术

一种高精度的儿童成年身高预测方法，包括：步骤1蚁狮替换，用适应度值高的蚁狮替换适应度值低的蚁狮；步骤2改进蚂蚁的游走方式；步骤3蚂蚁替换，用适应度值高的蚂蚁替换适应度值低的蚂蚁；步骤4将改进的蚁狮算法与BP神经网络结合，预测儿童成年身高。本发明专利技术提出一种高精度的儿童成年身高预测方法，利用蚁狮算法的寻优能力，改进BP神经网络的不足，使预测结果更精确。果更精确。果更精确。

【技术实现步骤摘要】
一种高精度的儿童成年身高预测方法


[0001]本专利技术涉及儿童成年身高预测方法。

技术介绍

[0002]儿童青少年身高的预测在儿科内分泌学中是常见的程序。随着生活水平越来越好，儿童的生长发育问题收到了广泛的关注。一般的儿童成年身高方法通过遗传公式或者回归方程来预测，这些方法预测特定的儿童时较准确。但是当儿童的发育情况变得复杂且多样时，这些方法的准确度不高。
[0003]通过对儿童青少年阶段性身高的预测，不但能够对其生长发育阶段出现的异常情况进行及时干预，而且对儿童青少年成长过程中生活习惯的培养有积极的引导作用。但是身高预测研究存在公开数据少，需要长时间观测验证结果等难点，且准确度不高。因此，如何提高儿童成年预测身高的准确率是值得深入研究的重要问题。

技术实现思路

[0004]本专利技术要克服现有技术的上述缺点，提供一种高精度的儿童成年身高预测方法。本专利技术将基于蚁狮算法，提出一种儿童成年身高预测方法，能够及时发现青少年儿童在生长发育期间出现的身高问题。
[0005]本专利技术解决技术问题采用如下技术方案：
[0006]一种高精度的儿童成年身高预测方法，包括以下步骤：
[0007]步骤1：蚁狮替换，用适应度值高的蚁狮替换适应度值低的蚁狮；
[0008]步骤2：改进蚂蚁的游走方式；
[0009]步骤3：蚂蚁替换，用适应度值高的蚂蚁替换适应度值低的蚂蚁；
[0010]步骤4：将改进的蚁狮算法与BP神经网络结合，预测儿童成年身高。
[0011]步骤1具体包括：
[0012]1)在蚂蚁进行游走时，蚁狮的选择使用轮盘赌的方式，轮盘赌对于适应度高的蚁狮选中的概率更大。在一次迭代完成之后，随机初始化相同数量的n个蚁狮。其中，n为原始蚁狮的数量。
[0013]2)计算蚁狮的适应度值，利用适应度值优先的规则选择适应度值更高的n个蚁狮。
[0014]数学表达式如下所示，如果的适应度低于则：
[0015][0016][0017]其中，表示原始组第t次迭代时第i个蚁狮的适应度值，表示新建组第t次迭代时第j个蚁狮的适应度值，表示原始组第t次迭代时第i个蚁狮的位置，表示新
建组第t次迭代时第j个蚁狮的位置。
[0018]步骤2具体包括：
[0019]1)蚂蚁游走方式。每个新替换蚁狮适应度较高，但是会有不被轮盘赌选中的情况出现，导致蚁狮替换成为无意义动作，无法发挥其作用，因此，只要判断出有新蚁狮的更替，就使蚂蚁围绕其随机游走，保证每个新蚁狮都有其存在的意义。而精英蚁狮是每次迭代后选出的全局最优解，它在很大程度上影响了蚂蚁的随机游走，所以在每次迭代时，让蚂蚁围绕精英蚁狮、新替换蚁狮以及通过轮盘赌选中的蚁狮进行随机游走。在蚁狮优化算法中，前期蚂蚁游走的步长要大，越往后期步长越小，直到收敛到某一位置附近。所以引入了步长调节函数对蚂蚁随机游走的过程进行调整。数学表达式如下所示：
[0020][0021][0022][0023]其中，表示第k次迭代时围绕轮盘赌选中的蚁狮随机游走，表示第k次迭代时围绕精英蚁狮随机游走，表示第k次迭代时围绕更新的蚁狮随机游走。RA表示蚂蚁围绕轮盘赌选中蚁狮的游走过程，RE表示蚂蚁围绕精英蚁狮随机游走的过程，RC表示蚂蚁围绕更新的蚁狮随机游走的过程。
[0024]2)计算蚂蚁的最终位置。每次迭代蚂蚁随机游走的最终位置，如下所示：
[0025][0026]其中，表示第k次迭代第m个蚂蚁的位置，x，y，z总和为1，默认各取1/3，具体值可以根据实际情况调整。RA表示蚂蚁围绕轮盘赌选中蚁狮的游走过程，RE表示蚂蚁围绕精英蚁狮随机游走的过程，RC表示蚂蚁围绕更新的蚁狮随机游走的过程。
[0027]步骤3所述的蚂蚁替换，具体包括：蚂蚁的位置越好，适应度值越高。因此，蚂蚁的位置在一定程度上决定了最优解出现的位置。对适应度低的蚂蚁进行替换，数学表达式如下所示，如果AN
p
的适应度高于则：
[0028][0029][0030]其中，表示第q次迭代中适应度最低的蚂蚁的适应度值，AN
p
表示新蚁群中的第p个蚂蚁的适应度值。表示第q次迭代中适应度最低的蚂蚁的位置，PN
p
表示新蚁群中的第p个蚂蚁的位置。
[0031]步骤4将改进蚁狮算法与BP神经结合，预测儿童成年身高，具体包括：
[0032]Step 1初始化算法的各项参数；
[0033]Step 2计算每个蚁狮所在位置的适应度值，记录每个蚁狮当前适应度值和全局最优值；
[0034]Step 3记录每个蚁狮当前适应度值和全局最优值，并进行一次迭代；
[0035]Step 4判断是否满足停止迭代条件，若满足，结束循环，否则跳至下一步；
[0036]Step 5利用公式(2-1)和(2-2)替换适应度值较低的蚁狮，并利用贪婪选择机制选择蚁狮；
[0037]Step 6蚂蚁根据公式(3-4)进行随机游走并更新其位置和适应度值；
[0038]Step 7利用公式(3-5)和(3-6)替换适应度值低的蚂蚁；跳转至Step 3。
[0039]本专利技术提出一种高精度的儿童成年身高预测方法，利用蚁狮算法的寻优能力，改进BP神经网络的不足，使预测结果更精确。
[0040]本专利技术具有如下有益效果：
[0041](1)可以增强蚁狮算法的寻优效率。
[0042](2)可以提高儿童成年身高预测的精确度。
附图说明
[0043]图1是本专利技术步长调节函数的函数图像。
[0044]图2是本专利技术的流程图。
具体实施方式
[0045]下面结合附图对本专利技术的技术方案作进一步阐述。
[0046]一种高精度的儿童成年身高预测方法，包括以下步骤：
[0047]步骤1：蚁狮替换，用适应度值高的蚁狮替换适应度值低的蚁狮；
[0048]步骤2：改进蚂蚁的游走方式；
[0049]步骤3：蚂蚁替换，用适应度值高的蚂蚁替换适应度值低的蚂蚁；
[0050]步骤4：将改进的蚁狮算法与BP神经网络结合，预测儿童成年身高。
[0051]步骤1具体包括：
[0052]1)在蚂蚁进行游走时，蚁狮的选择使用轮盘赌的方式，轮盘赌对于适应度高的蚁狮选中的概率更大。在一次迭代完成之后，随机初始化相同数量的n个蚁狮。其中，n为原始蚁狮的数量。
[0053]2)计算蚁狮的适应度值，利用适应度值优先的规则选择适应度值更高的n个蚁狮。
[0054]数学表达式如下所示，如果的适应度低于则：
[0055][0056][0057]其中，表示原始组第t次迭代时第i个蚁狮的适应度值，表示新建组第t次迭代时第j个蚁狮的适应度值，表示原始组第t次迭代时第i个蚁狮的位置，表示新
建组第t次迭代时第j个蚁狮的位置。
[0058]步骤2具体包括：
[0059]1)蚂蚁游走方式。每个新替换本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高精度的儿童成年身高预测方法，包括以下步骤：步骤1：蚁狮替换，用适应度值高的蚁狮替换适应度值低的蚁狮；步骤2：改进蚂蚁的游走方式；步骤3：蚂蚁替换，用适应度值高的蚂蚁替换适应度值低的蚂蚁；步骤4：将改进的蚁狮算法与BP神经网络结合，预测儿童成年身高。2.根据权利要求1所述的一种高精度的儿童成年身高预测方法，其特征在于：所述的步骤1具体包括：11)在蚂蚁进行游走时，蚁狮的选择使用轮盘赌的方式，轮盘赌对于适应度高的蚁狮选中的概率更大；在一次迭代完成之后，随机初始化相同数量的n个蚁狮；其中，n为原始蚁狮的数量；12)计算蚁狮的适应度值，利用适应度值优先的规则选择适应度值更高的n个蚁狮；数学表达式如下所示，如果的适应度低于则：则：其中，表示原始组第t次迭代时第i个蚁狮的适应度值，表示新建组第t次迭代时第j个蚁狮的适应度值，表示原始组第t次迭代时第i个蚁狮的位置，表示新建组第t次迭代时第j个蚁狮的位置。3.根据权利要求1所述的一种高精度的儿童成年身高预测方法，其特征在于：所述的步骤2具体包括：21)蚂蚁游走方式；每个新替换蚁狮适应度较高，但是会有不被轮盘赌选中的情况出现，导致蚁狮替换成为无意义动作，无法发挥其作用，因此，只要判断出有新蚁狮的更替，就使蚂蚁围绕其随机游走，保证每个新蚁狮都有其存在的意义；而精英蚁狮是每次迭代后选出的全局最优解，它在很大程度上影响了蚂蚁的随机游走，所以在每次迭代时，让蚂蚁围绕精英蚁狮、新替换蚁狮以及通过轮盘赌选中的蚁狮进行随机游走；在蚁狮优化算法中，前期蚂蚁游走的步长要大，越往后期步长越小，直到收敛到某一位置附近；所以引入了步长调节函数对蚂蚁随机游走的过程进行调整；数学表达式如下所示：对蚂蚁随机游走的过程进行调整；数学表达式如下所示：对蚂蚁随机游走的过程进行调整；数学表达式如下所示：其中，表示第k次迭代时围绕轮盘赌选中的蚁狮随机游走，表示第k次迭代时围绕精英蚁狮随机游走，表示第k次迭...

【专利技术属性】
技术研发人员：毛科技，华子雯，汪敏豪，徐瑞吉，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：