1.基于三层交叉博弈能量树的脑波病历信号约简方法，其特征在于：具体步骤如下：

A、构建三层交叉博弈进化树，该三层博弈进化树包含三个主层：第一主层，第二主层和第三主层，每个主层内嵌三个子层：最底子层、中间子层和最高子层；将两个相邻进化种群Popi和Popj中所有个体分配到两棵相邻三层交叉博弈进化树Ti和Tj的所有结点上，使树中每个结点包含进化种群中一个进化个体；

B、实现三层交叉博弈进化树上进化个体在同一主层内自私博弈和不同主层间交叉协同博弈，采用深度优先搜索循环策略在相邻进化树Ti和Tj上分别选出各自全局最优精英个体Elitisti_c和Elitistj_c；

C、分配精英能量收益矩阵PMENn×n给每棵三层交叉博弈树的全局最优精英，带有精英能量向量Γ的最优精英与多个相邻精英一起实现交叉博弈树能量约简操作，增强最优精英在每个主层上取得自适应Nash能量探索与开发平衡性能；

D、设计脑波病历信号交叉博弈约简的Nash均衡策略，使挑选出的最优精英在精英能量向量Γ驱动下均能收敛到每个主层最优Nash均衡点；

E、判断脑波病历信号约简是否满足约简精度平衡要求，若满足，则输出两棵博弈树的最优脑波病历信号约简子集Red(Ri)和Red(Rj)，否则，则转至步骤C继续执行；

F、将上述步骤扩展到整个进化种群中所有相邻进化种群，分别求出其相应脑波病历信号约简子集，最终输出全局最优脑波信号约简集Redopt如下：

2.根据权利要求1所述基于三层交叉博弈能量树的脑波病历信号约简方法，其特征在于：步骤B中所述实现三层交叉博弈进化树上进化个体在同一主层内自私博弈和不同主层间交叉协同博弈，采用深度优先搜索循环策略在相邻进化树Ti和Tj上分别选出各自全局最优精英个体Elitisti_c和Elitistj_c，具体步骤如下：a、初始化两个相邻的进化种群Popi和Popj，并且将这两个进化种群中所有进化个体分配至三层交叉博弈进化树Ti和Tj相应结点上；

b、在三层交叉博弈树的第一主层上比较各自最底子层的孩子结点能量值，选出Ti上最优能量的孩子结点 和Tj上最优能量孩子结点 并采用深度优先搜索循环策略将最优孩子结点与其中间子层上双亲结点依次进行能量比较，从而选出最大能量的结点作为中间子层上新的双亲结点；

c、将中间子层双亲结点与顶部子层精英结点按照轮盘选择方法依次进行结点能量比较，采用自私博弈策略在第一主层内部产生当前三层博弈树Ti上最优精英结点Elitisti_a和Tj上最优精英结点Elitistj_a；

d、在第一主层和第二主层的层间将Ti上最优精英结点Elitisti_a和Tj上最优精英结点Elitistj_a采用交叉协同博弈策略，比较不同精英的结点能量值，选出当前两棵三层交叉博弈树第二主层上的最优能量精英，从而将原第一主层上产生的两个精英Elitisti_a和Elitistj_a分别增强为第二主层上两个最优精英Elitisti_b和Elitistj_b；

e、在第二主层和第三主层的层间采用同样交叉协同博弈策略，将原第二主层上产生的两个精英Elitisti_b和Elitistj_b分别增强为第三主层上两个最优精英Elitisti_c和Elitistj_c，从而输出两棵三层交叉博弈树Ti和Tj的全局最终最优能量精英Elitisti_c和Elitistj_c。

3.根据权利要求1所述基于三层交叉博弈能量树的脑波病历信号约简方法，其特征在于：步骤C中所述分配精英能量收益矩阵PMENn×n给每棵三层交叉博弈树的全局最优精英，带有精英能量向量Γ的最优精英将与多个相邻精英一起实现交叉博弈树能量约简操作，增强最优精英在每个主层上取得自适应Nash能量探索与开发平衡性能，具体步骤如下：a、通过三层交叉博弈树，选出不同博弈树上最优能量精英，这些精英在脑波病历信号约简协同进化过程中将起着核心角色作用，其他一般精英将在最优精英引导下收敛到各自最优解，精英能量收益矩阵PMENn×n将分配给每棵三层交叉博弈树的全局最优精英，其收益矩阵定义如下：精英能量收益矩阵PMENn×n描述为n个种群精英博弈时的协同选择支付矩阵，收益矩阵中位于第i行与第j列的最优精英按照不同主层交叉博弈后，其精英能量值EN(Elitisti)j定义如下：其中m1∈rand(0.1,0.3),m2∈rand(0.3,0.6),m3∈rand(0.6,0.9),，rand为随机函数，g为当前运行迭代次数，gmax为精英博弈最大迭代次数，e为自然对数的底数常量，e值为2.71828；

b、设定精英能量收益矩阵PMENn×n中常量λ值如下：

其中U为均匀随机函数，k为常量上边界的参数，为了在脑波信号约简中更好的执行交叉博弈，k值取0.55；

c、第i行最优精英在其他种群精英作用下平均最优精英能量EN(Elitisti)值定义如下：

d、构建最优精英能量向量Γ如下：

T

Γ＝[EN(Elitist1),EN(Elitist2),...,EN(Elitistn)]

该最优精英能量向量Γ具有极强的优化能力，能较好地避免进化种群参数早熟收敛，提高参与脑波信号约简精英的分布性；带有精英能量向量Γ的最优精英将与多个相邻精英一起实现三层交叉博弈树的相关能量博弈操作：在交叉博弈树层内采用自私博弈执行局部精化搜索，在相邻不同层间采用交叉协同博弈实现全局搜索，进一步增强最优精英在每个主层取得自适应Nash能量探索与开发平衡性能。

4.根据权利要求1所述基于三层交叉博弈能量树的脑波病历信号约简方法，其特征在于：步骤D中所述设计脑波病历信号交叉博弈约简的Nash均衡策略，使挑选出的最优精英在精英能量向量Γ驱动下均能收敛到每个主层最优Nash均衡点，具体步骤如下：a、将三层交叉博弈树Ti划分成k个博弈子树{Ti1,Ti2,...,Tik},将脑波病历信号集Ri划分成k个脑波病历信号子集{Ri1,Ri2,...,Rik}，用k个博弈子树{Ti1,Ti2,...,Tik}来优化相等数量的k个脑波病历信号子集{Ri1,Ri2,...,Rik}；

b、构建位于Ti相邻三层交叉博弈树Tj的k个博弈子树{Tj1,Tj2,...,Tjk}，将两棵博弈子树集{Ti1,Ti2,...,Tik}和{Tj1,Tj2,...,Tjk}根据各自精英能量向量值进行降序排序；

c、采用三层交叉博弈树策略产生Ti最优精英Elitisti_c和Tj最优精英Elitistj_c，并分配相应的精英能量收益矩阵；

d、将与Ri相邻的脑波病历信号集Rj划分成k个信号子集{Rj1,Rj2,...,Rjk}，从Ri和Rj中分别选取第m个脑波病历信号子集Rim和Rjm，利用第m个带有精英能量的子树Tim和Tjm分别优化Rim和Rjm；

e、在脑波病历信号约简过程中，最优精英Elitisti_c和Elitistj_c在精英能量向量Γ驱动下交换信号约简经验，并执行{Ri1,Ri2,...,Rik}和{Rj1,Rj2,...,Rjk}成对Nash均衡比较，从Ri,Rj中删除Nash非支配解；

输出基于两棵三层交叉博弈能量树的最优脑波病历信号约简子集Red(Ri)和Red(Rj)。