Recently, we applied successfully ant colony optimization (ACO) to wavelength selection problem. In this paper ant colony system (ACS), a version of ACO algorithms, has been applied to variable selection in multivariate calibration and QSPR studies. In addition, the effect of combination of ACS algorithm with various local search strategies was inspected. The suggested local search strategies included forward selection, backward elimination, forward selection together with backward elimination, backward elimination together with forward selection, genetic algorithm, and tabu search. Parameters of ACS and combined local search strategy were optimized. The results obtained from all ACS algorithms indicated that combination of various local search strategies to the ACS algorithm improved the performance of the ACS algorithm

چکیده

اخیرا، ما بهینه سازی کلونی مورچگان را (ACO) با موفقیت در مسئله انتخاب طول موج استفاده کردیم. در این مقاله سیستم کلونی مورچگان (ACS)، یک نسخه از الگوریتم ACO، برای انتخاب متغیر در کالیبراسیون چند متغیره و مطالعات QSPR استفاده شده است. علاوه براین، اثر ترکیب الگوریتم ACS با استراتژی های مختلف جستجوی محلی بررسی شد. استراتژی های جستجوی محلی ارائه شده شامل انتخاب رو به جلو، حذف رو به عقب، انتخاب رو به جلو به همراه حذف رو به عقب، حذف رو به عقب به همراه انتخاب رو به جلو، الگوریتم ژنتیک، و جستجوی ممنوع می­باشد. پارامترهای ACS و استراتژی ترکیبی جستجوی محلی بهینه سازی شد. نتایج به دست آمده از الگوریتم ACS نشان داد که ترکیب استراتژی های مختلف جستجوی محلی به الگوریتم ACS عملکرد الگوریتم ACS را بهبود می­دهد.

1-مقدمه

تکنیک های کالیبراسیون چند متغیره مانند حداقل مربعات جزئی (PLS) به طور گسترده برای استخراج اطلاعات مربوطه از انواع مختلف داده ها (مجموعه داده های طیفی و یا توصیف گر)، برای پیش بینی غلظت، ویژگی، یا فعالیت مورد استفاده قرار می­گیرد. با توجه به بهره وری در انجام کار دوم، ابتدا اعتقاد بر این بود که PLS در مدلهای کالیبراسیون چه با استفاده از طیف کامل و چه با یک زیر مجموعه محدود از داده های طیفی نتایج برابر و خوبی بدست می­دهد. با این حال، هم به صورت تجربی و هم نظری نشان داده شده است که استفاده از روش های ذکر شده در بالا برای تجزیه و تحلیل طیفی چند جزئی، معمولا نیاز به انتخاب متغیر طیفی برای ساخت مدل های به خوبی برازش شده و اجتناب از مزاحمت های غیر مدل دارد...