摘要：针对在利用遗传算法进行样品选择（SSGA）时,使用原光谱矩阵运算时间非常长的问题,提出了一种使用主成分得分矩阵代替原光谱矩阵进行选样的新算法（PCA-SSGA）。讨论了PCA-SSGA算法的主成分分解,染色体编码与解码,目标函数与适应度函数确定,选择算子、交叉算子、变异算子等。在VisualC＋＋环境中开发了PCA-SSGA软件系统。通过对131份小麦籽粒样品针对其干基蛋白含量进行PCA-SSGA运算,经过39200代进化,最终找出最佳样品组合：样品数目由131减少为70,通过偏最小二乘留一法交叉验证（PLS-LOO-CV）,决定系数（R^2）由0.9477增加为0.9841,交叉验证预测均方差（RMSPCV）由0.3938减少为0.1934。从运算时间上看,PCA-SSGA进化一代时间是SSGA的1/2193,整个样品优选过程时间大大缩短,效率得以显著提高。试验结果表明：PCA-SSGA可以方便灵活地调整遗传算法的参数、自动地选择样品,这对优化农产品近红外光谱模型、进一步提高预测精度提供了很好的技术支持。

关键词：近红外光谱分析 遗传算法 品质检测 主成分分析 样品选择 

单位：西南大学工程技术学院; 重庆400716; 重庆大学光电技术及系统教育部重点实验室; 重庆400030