تحلیل عامل تفکیکی با استفاده از بهینه سازی آشوبناک جمعیت ذرات

روش تحلیل عامل تفکیکی یکی از روش های مدلسازی نرم است که به جستجوی ماتریس t بهینه ای می پردازد که توسط روابط زیر پروفایل های غلظتی و طیفی را ایجاد کنند, a=ust-1 b=tv طوری که این پروفایل ها در معادله روبرو صدق کنند. d=ab در روش rfa, بردارهای ویژه چرخیده شده به طور تکرار پذیر اصلاح می شوند تا از قیدها تبعیت کنند و در نهایت تابع حداقل مربعات را در فرآیند بهینه سازی غیر خطی مینیمم کنند; الگوریتم نیوتن - گوس -لونبرگ/ مارکوات وظیفه بهینه سازی غیرخطی در این روش را برعهده دارد. الگوریتم بهینه سازی آشوبناک جمعیت ذرات، تلفیقی از دو الگوریتم تکراری روش بهینه سازی جمعیت ذرات (pso) و الگوریتم جستجوی محلی آشوبناک با ویژگی های آشوبناک است. در این تحقیق, روش rfa و cpso برای نخستین بار تلفیق و حاصل آنها به عنوان روشی متفاوت با روش های موجود در متون کمومتریکس ارائه شده است. این روش به عنوان جایگزینی مناسب برای روش rfa در تفکیک داده هایی که حل منحصر به فرد ندارند, پیشنهاد می شود. چرا که روش rfa در این موارد واگرا می شود درحالیکه روش پیشنهاد شده به دلیل مزایای cpso قادر به حل این مسئله است. جهت بررسی این موضوع داده های کروماتوگرافی با همپوشانی و سطح نویزهای متفاوت تولید و توسط روش موردنظر تحلیل شدند. کارآیی روش توسط تحلیل داده های سه و چهار جزئی شبیه سازی شده و آزمایشگاهی بررسی شد. نتایج، توانایی این روش را در تحلیل داده های مختلف نشان می دهد. همچنین این روش بر خلاف سایر روش های مدلسازی نرم حتی با تخمین اولیه تصادفی نیز همگرا می شود و توانایی تحلیل داده های با کمتر از پنج جزء را دارا می باشد.