基于GA优化聚类的小麦种质推荐算法

本发明提出了一种基于GA优化聚类的小麦种质推荐算法，该算法利用遗传算法（GA）对K‑Means聚类算法进行优化改进，并结合UMAP降维技术和L‑BFGS‑B算法，构建了小麦种质推荐模型，研究通过整合河南省小麦种质数据和城市气象数据，设计了混合初始化策略和精细化优化方法，显著提升了聚类算法的性能；实验结果表明，优化后的算法在准确率、精确率和召回率上均优于传统方法；此外，消融实验验证了UMAP降维、混合初始化和L‑BFGS‑B算法对模型性能的关键作用；最终，研究构建的双阶段推荐模型（MLP分类+余弦相似度排序）能够为育种专家提供精准的小麦种质推荐，助力区域适应性品种选育，为农业种质资源的高效利用提供了新思路，对保障粮食安全具有重要意义。