首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 78 毫秒
1.
基于一类混合PSO算法的函数优化与模型降阶研究   总被引:4,自引:2,他引:2  
为了克服传统微粒群优化(PSO)算法容易早熟收敛和陷入局部极小的缺点,通过对PSO算法特点和行为的分析,提出一类有机结合模拟退火(SA)算法和PSO算法的混合算法.混合算法不仅利用PSO的机制进行群体全局搜索,而且利用模拟退火的思想恰当地选择微粒的最好历史位置,保障了群体多样性,并有效平衡了算法的探索和趋化能力,进而改善了算法的优化性能.基于典型复杂函数优化问题和模型降阶问题的仿真结果表明,所提混合算法具有很好的优化质量、搜索效率和鲁棒性.  相似文献   

2.
基于粒子群算法的内外翅片管换热器优化   总被引:3,自引:0,他引:3  
粒子群优化算法(Particle Swarm Optimization,简称PSO)是一种新型的优化算法,今把PSO应用于内外翅片管换热器的结构尺寸优化,建立了物理数学模型,开发了C 程序.把体积作为优化目标函数,以换热面积和压降作为约束条件,对管子横向间距、纵向间距、管排数、外翅片间距、换热器在与热气流垂直方向的长度进行了优化,并与利用遗传算法的文献结果对比:在相同的设计参数和相同的优化变量搜索范围条件下,体积减小9.5%,重量减轻16%,优化计算时间减小一个量级,PSO应用于换热器优化设计优于遗传算法.  相似文献   

3.
聚合反应动力学参数估计是烯烃聚合过程建模与优化的重要环节和难点。针对Ziegler-Natta催化剂多活性中心特性、反应复杂、动力学参数多的问题,提出了基于粒子群优化(PSO)算法的烯烃聚合反应动力学参数估计方法。该方法以聚烯烃分子量分布(MWD)、短支链分布(SCB)、共聚组成分布(CCD)等微观链结构为目标,以动力学参数为优化变量,采用免疫算法(IA)和PSO算法直接进行优化求解。结果表明:两种算法均可以实现以MWD为目标的均聚反应动力学参数的估计,但PSO算法可以实现多活性位烯烃聚合反应动力学参数的准确估计,且求解速度比IA法更快。该方法为面向精细链结构的烯烃聚合过程模型化研究提供了新手段。  相似文献   

4.
变邻域宽度的爬山微粒群优化算法及其应用   总被引:2,自引:1,他引:1       下载免费PDF全文
陈国初  俞金寿 《化工学报》2005,56(10):1928-1931
微粒群优化算法(particle swarm optimization algorithm,PSO)是由Kennedy和Eberhart 1995年提出的进化计算算法.PSO简单且具有许多良好的优化性能,但对一些复杂优化问题存在容易陷入局部极值的缺陷.本文提出一种变邻域宽度的爬山微粒群优化算法(hill-climbing PSO with variable width neighborhood,vwnHCPSO),并用5种测试函数进行测试和比较,然后将vwnHCPSO用于催化裂化装置(FCCU)主分馏塔轻柴油闪点软测量.  相似文献   

5.
一种基于PSO算法的闭环辨识方法   总被引:1,自引:1,他引:0  
闭环模型辨识一直是工业先进控制领域中的一个主要课题。而现在基于粒子群优化算法PSO的辨识,大多都是连续开环系统的辨识。离散闭环模型辨识在计算机控制、运算量等方面比连续开环系统的辨识有较大的优势。文中讨论了PSO的时变惯性权重算法与参数初值的设置和选择方法。通过仿真实验表明,PSO与最小二乘递推算法相比,在有效性和一致性方面,有着明显的优势。PSO算法是一种有效地解决优化问题的群集智能算法,它的突出特点是算法中需要选择的参数少,程序实现简单,并在种群数量、寻优速度等方面较其他进化算法具有一定的优势。该方法在实际项目的应用中取得了较好的效果,应用前景广阔。  相似文献   

6.
结合遗传算子的改进粒子群算法在控制系统设计中的应用   总被引:1,自引:1,他引:0  
针对粒子群优化算法容易陷入局部最优以及早熟等缺点,结合遗传算法的选择交叉变异算子进行改进,得到一种新型PSO算法.将该方法应用于PID控制系统参数调优和被控对象参数辨识,仿真结果显示所提出的算法优化效果优于基本粒子群优化算法和遗传算法,收敛性能也得到较大提高.  相似文献   

7.
罗祎青  袁希钢 《现代化工》2004,24(Z2):124-127
针对带有等式约束的混合整数非线性规划(MINLP)问题,建立了一种改进的粒子群优化(PSO)算法--简约空间法.利用等式约束将问题的维数降低,使带有等式约束的优化问题转化为无等式约束优化问题.通过测试函数和过程综合的实例对该算法进行了测试并与其他算法所得的结果进行了比较,结果表明,PSO算法在使用的普遍性、求解的准确性等方面都优于一般的算法,尤其对于非凸的MINLP问题,PSO算法是一种有效的求解方法.  相似文献   

8.
粒子群算法求解边值固定的化工动态过程优化问题   总被引:3,自引:3,他引:0  
针对化工过程系统优化中广泛存在着边值固定的动态优化问题,该问题的求解数学上还没有有效的方法,现今的方法之一是将问题转化为多目标优化问题.本文在粒子群优化(PSO)算法的基础上,提出在PSO算法中加入惩罚项,同时对局部极值与全局极值作进一步的调整,使PSO算法适用于求多目标优化问题理想有效解,该算法对多目标问题起到边优化边求理想有效解的功效;即只用一步即可求理想有效解,这使得在求解速度上大为加快.最后将其用于间歇反应器的最佳反应温度边值固定动态优化控制的实际运用中,取得良好效果.  相似文献   

9.
化工领域的过程设计、生产控制、配方和计划等众多问题的数学模型,在考虑产品性能、单位成本、环境影响等诸多因素下,都是多目标优化问题;而求解多目标优化问题,目前还没有有效的方法;现今的做法是把多目标优化通过加权转化为单目标优化,再求解单目标优化问题,但这存在权数不易确定;还忽视了有效解集中存在一个其各目标的值与各目标的最优值距离最近的有效解的问题,称为理想有效解.理想有效解的求法一般分为两步,先求各目标的最优值、再求理想有效解,这将影响求解的速度;为此提出在PSO(粒子群优化)算法中加入惩罚项,同时对PSO算法中的个体极值与全局极值作调整,使PSO算法适用于求多目标优化问题理想有效解,该算法对多目标问题起到边优化边求理想有效解的功效;这使得在求解速度上加快.通过性能测试表明了算法的有效性,最后将算法用于求解多亚甲基多苯基多胺生产过程系统优化取得良好效果.  相似文献   

10.
针对成品汽油调和配方建模中加氢汽油组分辛烷值难以实时获取,考虑遗传算法(genetic algorithm,GA)、粒子群算法(particle swarm optimization,PSO)优化反向传播(back propagation,BP)网络存在的问题,提出了一种串行混合粒子群遗传算法(serial hybrid PSO-GA,SHPSO-GA)优化BP网络,并用于辛烷值的预测建模。该方法首先将PSO算法的输出依据适应度值分为优劣2个种群,弃劣留优;然后对留优种群再进行GA的交叉变异操作,进一步优化种群,经过每一代PSO和GA的交替优化,并将最优种群用于BP网络参数优化;最后基于该方法和工业历史数据,建立了加氢汽油组分辛烷值的预测模型,仿真结果表明,较传统BP,以及改进的GA-BP、PSO-BP、PSO-GA-BP等方法,SHPSO-GA-BP由于将PSO与GA进行更优的深度融合,具有更好的预测性能,可以用于辛烷值的预测。  相似文献   

11.
A control parameterization‐based particle swarm optimization (CP‐PSO) approach is presented which combines control parameterization with particle swarm optimization to solve dynamic optimization problems in chemical engineering. To improve search efficiency and convergence rate, a control parameterization‐based adaptive particle swarm optimization (CP‐APSO) approach is proposed, in which inertia weight and acceleration coefficients are updated according to population distribution characteristics. Three benchmark chemical dynamic optimization problems are explored as illustration. The results demonstrate that CP‐APSO is efficient for solving a general class of chemical dynamic optimization problems and CP‐APSO largely outperforms CP‐PSO on the convergence rate.  相似文献   

12.
蒋华琴  赵成业  刘兴高 《化工学报》2012,63(9):2794-2798
提出了群智能优化AC_ICPSO(ant colony and immune clone particle swarm optimization)算法,融合蚁群算法与粒子群算法进行动态群体搜索,设计交叉算子和变异算子、群体多次编码、迭代选择等,来提高数据搜索的范围、精度和收敛的效率,避免早熟,降低算法的复杂度。然后利用AC_ICPSO方法对最小二乘支持向量机预报模型(LSSVM)进行参数寻优,得到最优的AC_ICPSO_LSSVM预报模型。以实际聚丙烯生产的熔融指数预报作为实例进行研究,结果表明所提出的AC_ICPSO_LSSVM方法有效,具有良好的预报精度。  相似文献   

13.
Abstract

This article provides a concise multiobjective optimization methodology for an industrial fluid catalytic cracking unit (FCCU) considering stochastic optimization techniques, genetic algorithms (GA) and particle swarm optimization (PSO), based on surrogates or meta-models in order to approximate the objective function. A FCCU was considered and simulated in an AspenONE process simulator. In addition the article examines the claim that PSO has the same effectiveness (finding the optimal global solution) as GA, but with significantly better computational efficiency (fewer function evaluations). The optimization results obtained with the PSO technique, based on the evaluation of less functions and adjustment of less parameters, showed a 3% increase in yield of naphtha as compared to results obtained with the GA technique. Finally, the results of the optimization obtained with the stochastic optimization techniques were compared and analyzed with a deterministic one. The performance targets of the multiobjective operational optimization supported the FCCU design and production planning to ensure refinery profitability and a regulatory environment.  相似文献   

14.
混沌粒子群算法及其在生化过程动态优化中的应用   总被引:7,自引:2,他引:5       下载免费PDF全文
莫愿斌  陈德钊  胡上序 《化工学报》2006,57(9):2123-2127
化工过程的动态优化,大多较为复杂,有相当的难度.新近发展的粒子群优化算法,基于群智能机理,适于求解连续问题,但它不具备遍历特性,影响了全局搜索能力.本文拟引入混沌机制,以混沌变量的遍历性改进粒子群算法,使其更全面地获取目标函数的有用信息,并反映到逐代更新的个体极值和群体极值中,可更有效地带领粒子群移向最优解,提高了全局搜优效率.由此构建为混沌粒子群算法,经多个性能测试,表明其搜索能力优于经典粒子群算法,引入混沌机制是有效的.将其用于Park-Ramirez生物反应器补料流率的动态优化,也取得了满意的效果.  相似文献   

15.
粒子群优化算法的发展及应用   总被引:1,自引:0,他引:1  
讨论了粒子群优化算法的发展和应用。介绍了粒子群优化算法的基本原理和算法流程,并且与其他演化算法进行了比较,给出了一些经常用到的测试函数。针对粒子群优化算法在搜索后期存在的不足,介绍了改进的粒子群优化算法,重点介绍了在实际应用领域中用到的改进粒子群优化算法。  相似文献   

16.
基于微粒群优化算法的不确定性调和调度   总被引:1,自引:0,他引:1       下载免费PDF全文
Blending is an important unit operation in process industry. Blending scheduling is nonlinear optimization problem with constraints. It is difficult to obtain optimum solution by other general optimization methods. Particle swarm optimization (PSO) algorithm is developed for nonlinear optimization problems with both continuous and discrete variables. In order to obtain a global optimum solution quickly, PSO algorithm is applied to solve the problem of blending scheduling under uncertainty. The calculation results based on an example of gasoline blending agree satisfactory with the ideal values, which illustrates that the PSO algorithm is valid and effective in solving the blending scheduling problem.  相似文献   

17.
Nonlinear parameter estimation through particle swarm optimization   总被引:3,自引:0,他引:3  
Parameter estimation procedures are very important in the chemical engineering field for development of mathematical models, since design, optimization and advanced control of chemical processes depend on model parameter values obtained from experimental data. Model nonlinearity makes the estimation of parameter and the statistical analysis of parameter estimates more difficult and more challenging. In this work, it is shown that many of these difficulties can be overcome with the use of heuristic optimization methods, such as the particle swarm optimization (PSO) method. Parameter estimation problems are solved here with PSO and it is shown that the PSO method is efficient for both minimization and construction of the confidence region of parameter estimates. Moreover, it is shown that the elliptical approximation of confidence regions of nonlinear model parameters can be very poor sometimes and that more accurate likelihood confidence regions can be constructed with PSO, allowing for more reliable statistical analysis of the significance of parameter estimates.  相似文献   

18.
从数学的角度分析,电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题,因此,优化过程十分复杂.以减少有功网损为目标函数建立电力系统无功优化计算的数学模型,基于遗传算法和粒子群优化算法,提出一种新颖的混合策略来求解无功优化问题.IEEE 6和IEEE 14节点系统的仿真计算结果表明:与单一的遗传算法或粒子群优化算法相比,该混合策略在优化效果方面具有明显的优势.  相似文献   

19.
免疫PSO_WLSSVM最优聚丙烯熔融指数预报   总被引:3,自引:2,他引:1       下载免费PDF全文
蒋华琴  刘兴高 《化工学报》2012,63(3):866-872
熔融指数(MI)是聚丙烯生产的重要指标,建立可靠的熔融指数预报模型非常重要。针对标准粒子群算法(PSO)在迭代过程中易出现粒子过早收敛而陷入局部最优的缺陷,通过引入免疫系统的抗体选择机制,构造了一种基于免疫机制的免疫粒子群优化算法(ICPSO),来保持更新粒子的多样性,从而克服标准粒子群算法过早收敛的缺陷;然后利用ICPSO方法对鲁棒最小二乘支持向量机预报模型(WLSSVM)进行参数寻优,得到最优的ICPSO_WLSSVM预报模型。以实际聚丙烯生产的熔融指数预报作为实例进行研究,结果表明所提出的ICPSO_WLSSVM模型的有效性和良好的预报精度。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号