一种基于深度强化学习的协同进化多组分光谱特征选择方法

本申请实施例公开了一种基于深度强化学习的协同进化多组分光谱特征选择方法，包括对样本中的光谱信号和组分浓度值进行收集采集，对现场光谱数据库SDate中的个体进行编码并进行归一化处理，计算现场光谱数据库SDate中所有个体的特征选择比率，建立DQN训练模型，并初始化一个深度神经网络Net和空的经验池M，在所述训练集进行迭代的过程中，统计种群内各个区间的变量占总变量的比率，将初始主种群和多个辅助种群进行交配并训练和更新DQN，以输出最终种群，最终种群构建水分、脂肪、蛋白质混合多组分光谱定量分析模型，通过进化早期阶段训练的深度强化学习模型推荐辅助种群与主种群协同进化，以期快速获取最优光谱特征子集。