改进鲸鱼优化算法及其在渣油加氢参数优化的应用

针对智能优化算法在处理非线性优化问题中存在的容易陷入局部最优和收敛精度差等问题,提出了一种基于结合差分进化和精英反向学习的改进鲸鱼算法（DEOBWOA）。该算法引入对立搜索初始化、精英反向学习,并结合差分进化进行变异修正,显著有效地提高WOA算法的收敛精度和收敛速度,提高其跳出局部最优的能力。之后采用8个标准测试函数进行仿真实验,结果表明：DEOBWOA算法与标准WOA、HCLPSO、DE算法相比,全局搜索能力和收敛速度都有较大提升。最后建立了渣油加氢动力学模型,考虑到渣油加氢过程中存在诸多典型的非线性约束问题,以某炼化厂渣油加氢装置为例,应用DEOBWOA对渣油加氢反应动力学模型参数进行优化,结果表明该算法能较好地处理实际工程优化问题。     

改进鲸鱼优化算法及其在渣油加氢参数优化的应用

针对智能优化算法在处理非线性优化问题中存在的容易陷入局部最优和收敛精度差等问题,提出了一种基于结合差分进化和精英反向学习的改进鲸鱼算法(DEOBWOA)。该算法引入对立搜索初始化、精英反向学习,并结合差分进化进行变异修正,显著有效地提高WOA算法的收敛精度和收敛速度,提高其跳出局部最优的能力。之后采用8个标准测试函数进行仿真实验,结果表明:DEOBWOA算法与标准WOA、HCLPSO、DE算法相比,全局搜索能力和收敛速度都有较大提升。最后建立了渣油加氢动力学模型,考虑到渣油加氢过程中存在诸多典型的非线性约束问题,以某炼化厂渣油加氢装置为例,应用DEOBWOA对渣油加氢反应动力学模型参数进行优化,结果表明该算法能较好地处理实际工程优化问题。     

基于差分进化算法的变角度纤维层合板优化

以变角度纤维的起始角、终止角和层合板的层铺顺序为设计变量,弯曲刚度为设计目标,优化变角度纤维层合板。在优化过程中,对应层铺顺序的设计变量通过实数编码和置换策略转换成整数变量,实现离散空间和连续空间之间的转换。由于离散变量和连续变量的优化进程差异,本文提出一种改进的自适应差分进化算法,对不同类型的优化变量采取不同的自适应变异算子。相关算例计算结果表明:无论是对层合板的局部优化还是全局优化,改进的自适应差分进化算法都比差分进化算法和自适应差分进化算法计算精度高、收敛速率快,同时可以有效避免"早熟"现象。对于变角度纤维层合板弯曲刚度优化问题,本文提出的改进的自适应差分进化算法是一种相对高效的可行方法。     

融合差分进化算法的AEA算法及其在参数估计中的应用

着眼于AEA(Alopex-based evolutionary algorithm)算法本身的不足,构造出一种融合了差分进化算法和AEA的改进型算法--MAEA(modified AEA).MAEA算法将改进后的差分进化算法嵌入到AEA中,改进AEA算法中种群的生成方式,提高算法的寻优能力.改进的算法不仅拥有启发搜索和确定性搜索的优点,同时还增加了种群的多样性,使算法能够更好地进行全局和局部搜索.通过21个标准函数的测试结果表明,该算法较标准AEA算法、差分进化算法的性能有较大提升.进一步和当前具有代表性的先进算法(ISDEMS)的比较结果表明,MAEA算法有较高的精确度和稳定性.将算法用于发酵动力学模型参数的估计,通过优化得到了较好的结果,验证了本文提出的算法的可行性和有效性.     

改进生物地理学优化算法及其在汽油调合调度中的应用

汽油调合和调度优化问题中含有典型的非线性约束(NLP)问题。针对一般智能优化算法在解决此类优化问题中易陷于局部极值,提出了一种改进的生物地理学优化算法(HMBBO)。该算法设计了一种基于种群个体差异信息的启发式变异算子,弥补了Gauss变异、Cauchy变异算子缺乏启发式信息的不足,以解决原算法在局部搜索时易出现的早熟问题,提高算法的全局搜索能力,并且采用非线性物种迁移模型以适应不同的自然环境。采用4个测试函数进行仿真,结果表明:HMBBO算法与标准BBO算法、基于Gauss变异及基于Cauchy变异的BBO算法比较,其收敛速度和全局寻优能力有明显改善。汽油调合和调度优化实例表明,该算法能够快速有效地找到全局最优解。     

带有精英保留机制的混合差分化学反应算法

传统智能算法在求解复杂的带有多峰特点的优化问题时, 由于其计算量和变异方式的限制很容易陷入局部最优, 并且不具备跳出局部最优进行二次搜索等能力。针对这一问题, 本文提出了混合差分的化学反应算法, 在利用化学反应算法(CRO)良好的全局搜索能力的同时, 使用差分变异策略来加强算法的计算精度。对于优秀分子可能在反应中被消耗掉的现象, 有针对性地加入了精英保留机制来保持种群的优良。本文选取了CEC2005中的测试函数, 特别是几个带有多峰特点的复杂测试函数来分析改进算法的各项性能, 并与几个改进的智能算法进行了对比实验。最终验证改进算法在提高计算精度和全局搜索能力两方面具有良好的效果。     

基于优进策略的差分进化算法及其化工应用

鉴于常规差分进化算法容易“早熟”,全局寻优能力有待提高,提出了基于优进策略的差分进化算法,利用种群繁衍的有用信息改进子代分布,并引入确定性寻优操作,以提高寻优性能.设计了单纯形寻优操作和重布操作,并调整有关概率等.测试表明新算法的全局寻优性能有明显改善,已成功地应用于铯-铷-钒系低温硫酸催化剂上SO2氧化反应模型参数的估计,效果良好.     

基于群体信息挖掘的协同差分进化算法及其应用

为了提高差分进化算法的寻优速度和寻优效能,提出了一种基于群体信息挖掘的协同差分进化算法。该算法首先利用协同进化的思想,将种群分解成不同的子种群,每个子种群采用不同的差分策略进行独立的差分和交叉操作,再将各个子种群合并成一个种群,并根据每个个体的适应度值挑选出最优个体;为了提高差分进化算法的局部搜索能力,引入了多元回归分析和模式搜索算法,对于整个种群,利用最小二乘法求得种群的寻优方向信息,并以此来指导种群中的每一个个体进行模式搜索。仿真试验和在精对苯二甲酸生产过程对羧基苯甲醛含量软测量模型参数估计中的实际应用表明：该算法的性能比传统的差分进化算法有较大的提高,取得了较好的效果。     

融合copula EDA的AEA算法及其在参数估计中的应用

着眼于AEA(Alopex-based evolutionary algorithm)算法本身的不足,提高算法寻优性能,今构造出了一种融合了copula分布估计算法(copula EDA)和AEA算法的改进型算法-CAEA。将copula分布估计算法嵌入到AEA中,改进AEA算法中种群的生成方式,保持了种群的多样性。改进后的算法不仅拥有AEA算法启发搜索和确定性搜索的优点,同时还具有copula分布估计算法收敛速度快、包含全局搜索信息的特点。利用CAEA算法对9个标准函数进行测试实验,并与AEA算法、改进的粒子群算法(MSCQPSO)和差分进化算法(ISDEMS)的测试结果进行比较,结果表明CAEA算法无论在精确度还是稳定性方面都具有较大的提高。最后将算法用于发酵动力学模型参数的估计,通过优化得到了较好的结果,充分验证了所提出的算法的可行性和有效性。     

基于改进差分进化算法的复合材料结构优化设计

提出了一种改进的S形变异差分进化算法并对该算法在复合材料结构优化方面的应用进行了研究。首先,分析了控制参数对差分进化算法收敛性和寻优能力的影响机理;其次,针对控制参数对差分进化算法的影响机理,借鉴生物繁殖的"S形曲线"规律,提出变异率的"S形曲线"变化趋势,提出改进的差分进化算法SDE,数值算例证明该算法具有较好的全局寻优能力;最后,针对复合材料结构优化设计问题,建立了基于SDE算法的优化计算系统,利用该优化计算系统对某空间运载器复合材料构件进行了优化设计,优化结果较初始设计质量减小36.5%。     

基于多策略自适应差分进化算法的污水处理过程多目标优化控制

针对污水处理过程中的能耗过高和出水水质不达标等问题,提出一种基于多策略自适应差分进化算法的污水处理过程多目标优化控制方法。首先,在常规跟踪控制结构的基础上,增加对第3、4单元溶解氧浓度的跟踪控制,扩大了能耗和出水水质的优化调节范围。然后,设计一种多策略自适应差分进化算法（MSADE）,该算法采用多策略融合变异和排序优选方法,选取合适的变异策略和较优的随机个体引导种群变异,并根据进化过程信息自适应地更新交叉率,以提升算法的收敛性和pareto解的多样性。最后,将MSADE算法与PID控制器相结合,并构建以能耗和出水水质为优化目标的多目标优化问题,实现对溶解氧和硝态氮浓度设定值的动态寻优和跟踪控制。基于国际基准仿真平台BSM1进行验证,结果表明所提的多目标优化控制方法能有效降低污水处理过程的能耗并提升出水水质。     

A hybrid DNA based genetic algorithm for parameter estimation of dynamic systems

Inspired by the evolutionary strategy and the biological DNA mechanism, a hybrid DNA based genetic algorithm (HDNA-GA) with the population update operation and the adaptive parameter scope operation is proposed for solving parameter estimation problems of dynamic systems. The HDNA-GA adopts the nucleotides based coding and some molecular operations. In HDNA-GA, three new crossover operators, replacement operator, transposition operator and reconstruction operator, are designed to improve the population diversity, and the mutation operator with adaptive mutation probability is applied to guarantee against stalling at local peak. Besides, the simulated annealing based selection operator is used to guide the evolution direction. In order to overcome the premature convergence drawbacks of GAs and enhance the algorithm global and local search abilities, the population update operator and the adaptive parameter scope operator are suggested. Numerous comparative experiments on benchmark functions and real-world parameter estimation problems in dynamic systems are conducted and the results demonstrate the effectiveness and efficiency of the HDNA-GA.     

一种基于GA的模糊控制规则优化新方法

针对动态环境专家经验模糊控制规则效果欠佳的问题,提出一种改进的十进制基因编码自适应遗传算法,自动生成全局最优的控制规则。新算法引用稳态繁殖思想改进初始种群的生成方法,避免产生大量不合理个体影响进化进度,并引入动态变异率和一种新型的自适应变异算子调整种群的多样性,克服了＂早熟＂的现象。最后将获得的最优规则应用于设计模糊控制器。仿真结果表明,控制品质有较大的改善和提高。     

基于一种改进的自适应遗传算法估算环已烷自催化氧化反应动力学参数

A modified genetic algorithm of multiple selection strategies, crossover strategies and adaptive operator is constructed, and it is used to estimate the kinetic parameters in autocatalytic oxidation of cyclohexane. The influences of selection strategy, crossover strategy and mutation strategy on algorithm performance are discussed. This algorithm with a specially designed adaptive operator avoids the problem of local optimum usually associated with using standard genetic algorithm and simplex method. The kinetic parameters obtained from the modified genetic algorithm are credible and the calculation results using these parameters agree well with experimental data. Furthermore, a new kinetic model of cyclohexane autocatalytic oxidation is established and the kinetic parameters are estimated by using the modified genetic algorithm.     

基于优进策略的遗传算法对重油热解模型参数的估计

针对常规遗传算法全局寻优效率偏低的弱点，提出了一种优进策略，用以改进常规遗传算法。该策略将从繁衍过程中获取进化信息，自适应地改进子代分布，适时引入确定性操作，以提高全局寻优性能。提出的相关技术包括维持种群的多样性、改进交叉算子、增加Powell寻优算子等。实例测试表明这种优进策略效果良好，并已成功地应用于重油热解三集总动力学复杂数学模型的非线性参数估计。     

影响因子寻优差异法及其在合模机构优化中应用

以差异演化算法为基础,提出了影响因子寻优差异演化法,通过对3组具有不同Pareto前沿的测试函数进行仿真实验,验证了影响因子寻优差异演化法的可行性和有效性,为多目标优化问题提供了一种新的优化方法,并将其与工程实际相结合,以注塑机合模机构为例,建立了行程比和力放大倍数2个目标函数的多目标优化数学模型,实现对注塑机合模机构的优化,同时与理想点法进行对比。结果表明,行程比和力放大倍数经影响因子寻优差异演化法优化后,比原始参数对应的值分别提高10.73 %和21.42 %,而采用理想点法优化后,比原始参数对应的值分别提高9.93 %和20.91 %;影响因子寻优差异演化法比理想点法更具有优越性。     

基于改进双种群遗传算法的复合材料层合板铺层优化设计

针对复合材料层合板铺层优化设计过程中易出现的算法早熟及收敛慢的问题,结合多种群遗传算法和自适应遗传算法,提出一种引入自适应算子的改进双种群遗传算法。在算法过程中以对称复合材料层合板为例进行验证,通过Patran建立有限元初始模型,采用Matlab编写遗传算法主程序及数据传递程序,实现对Nastran的输入输出文件的读写,并在以Tsai-Wu准则为基础确立的适应度函数下,对复合材料层合板的铺层顺序进行优化。对比传统遗传算法,结果表明该改进算法能够明显提高优化效率,并能够有效收敛于全局最优解,对解决复合材料结构优化设计问题有一定的指导意义。     

遗传算法与神经网络(Ⅰ)──用改进的遗传算法训练神经网络

针对BP（backpropagation）神经网络训练中的局部最优问题,提出了由改进的遗传算法EGA训练BP神经网络的新方法．该方法克服了经典遗传算法的不足,通过自适应多点变异操作比较有效地克服了收敛过程中的振荡问题,因而提高了BP网络训练的速度,并且找到了合理的变异因子范围．     

基于HGA的经费分配多目标优化模型求解

为探索新的经费分配方法和管理模式,建立一种新的多目标非线性规划优化模型,提出一种先进的基于正交试验的新型混合遗传算法来求解该问题。对求解过程中的选择算子、交叉算子和变异算子等进行正交试验,得到的种群个体明显优于基本遗传算法的个体,仿真结果表明,该算法收敛寻优能力强,并能产生很多次优解,是一种高效的方法。