一种高精度的儿童成年身高预测方法

技术领域

本发明涉及儿童成年身高预测方法。

背景技术

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。

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。

发明内容

本发明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。本发明将基于蚁狮算法，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。

本发明解决技术问题采用如下技术方案：

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。

步骤1具体包括：

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。

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。

数学表达式如下所示，如果

其中，

步骤2具体包括：

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

其中，

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：

其中，

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

其中，

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：

Step 1初始化算法的各项参数；

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；

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；

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；

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；

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；

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。

本发明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。

本发明具有如下有益效果：

(1)可以增强蚁狮算法的寻优效率。

(2)可以提高儿童成年身高预测的精确度。

附图说明

图1是本发明步长调节函数

图2是本发明的流程图。

具体实施方式

下面结合附图对本发明的技术方案作进一步阐述。

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。

步骤1具体包括：

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。

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。

数学表达式如下所示，如果

其中，

步骤2具体包括：

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

其中，

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：

其中，

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

其中，

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：

Step 1初始化算法的各项参数；

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；

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；

Step4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；

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；

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；

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。

最后应说明的是：以上实施方式仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施方式对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施方式技术方案的精神和范围。