近红外光谱分析技术以其操作简便、快速无损、环境友好等优势，与多元校正方法相结合在复杂样本的定量分析中得到了广泛应用。然而，复杂样品的光谱数据常常面临谱峰重叠、变量冗余等问题，这些因素可能影响分析结果的准确性。为了提高模型的预测能力，需要在建模前对光谱数据进行变量选择。霸王龙优化算法（Tyrannosaurus Optimization Algorithm, TROA）概念简单，易于实施，收敛速度快且能避免局部最优。将霸王龙优化算法离散化与偏最小二乘结合，用于四组数据集的近红外光谱变量选择。为验证该方法的有效性，将该方法与全光谱PLS以及六种变量选择方法相比较。结果表明，霸王龙优化算法在这四组数据的近红外光谱变量中选择的变量最少且所选变量更具代表性。
卞希慧*,杨文博,赵春焱,刘鹏,谭小耀.基于霸王龙优化算法的复杂样品近红外光谱变量选择方法[J].科研仪器案例成果数据库,2024,(0).
