基于邻域-克隆选择学习算法的分馏装置负荷优化

在免疫克隆选择和人工免疫网络算法基础上,采用了Agent的思想,提出了一种邻域-克隆选择学习全局优化算法(N-Clonalg)。不同于其他人工免疫算法,N-Clonalg定义了网格化的邻域操作环境,其主要搜索算子有N-克隆选择、N-竞争和自学习算子,能有机结合全局与局部搜索,多峰测试函数表明能较好地克服克隆选择算法(Clonalg)的早熟及人工免疫网络算法(Opt-aiNet)收敛速度慢问题。分馏装置负荷优化实例应用表明,算法具有较好的最优解搜索性能,能较好地实现化工中的寻优问题。     

基于自适应量子蚁群算法的石脑油裂解炉故障诊断

针对实际生产过程中缺乏故障数据,采用适合小样本问题的支持向量机对石脑油裂解炉进行故障诊断。为了消除高维数据及系统噪声对故障诊断的干扰,将量子编码引入蚁群算法,提出一种新的自适应量子蚁群算法进行故障特征选择以进一步提高诊断性能。数值仿真实验结果显示,提出的自适应量子蚁群算法具有更好的全局寻优性能;对石脑油裂解炉传感器故障的诊断结果表明自适应量子蚁群算法能快速、准确地搜索到关键故障特征,有效地提高了支持向量机故障诊断的正确率和鲁棒性。     

基于模糊事例支持的干燥机选择方法研究

分析了传统的干燥机选择方法存在的问题 ,将模糊集和基于事例推理理论应用于干燥机选择过程 ,建立了基于 FCBR的干燥机选择的系统结构 ,提出了基于FCBR的干燥机选择算法。仿真研究表明 ,该算法建立在数量化的处理基础之上 ,能够有效权衡、优化各种因素对干燥机选择的影响 ,帮助用户和干燥机生产企业对干燥机进行选择 ,保证既发挥企业技术优势 ,又要满足顾客需求 ,从而可以避免因干燥机选择不当对用户和企业造成的损失 ,比传统的选择方法更加科学、合理     

基于改进蚁群算法的PCB孔加工路径优化

针对于印制电路板(PCB)孔加工过程中刀具的路径规划问题,提出了一种改进的蚁群算法,使信息素浓度可以更好地反映路径信息,解决了经典蚁群算法易收敛到局部最优解的问题。仿真实验结果表明:改进算法不仅增强了对于解空间的搜索能力,而且提高了搜索到全局最优解的概率。     

基于蚁群优化Elman神经网络的传感器补偿

为了提高随钻测斜仪的工作稳定性和测量精度,将蚁群算法和神经网络相融合,采用信息素挥发因子ρ和信息素更新策略自动调整自适应蚁群算法优化Elman神经网络的权阈值,将其应用到随钻测斜仪的传感器补偿中.仿真结果表明,自适应蚁群Elman神经网络的补偿效果优于Elman网络和遗传Elman网络,补偿精度达10-8,补偿效果良好...     

基于PLS的原油选择与混合优化研究

为降低原油采购成本和生产符合质量要求的产品,将原油的选择与混合看作一个整体,基于原油属性数据信息,采用偏最小二乘法建立原油选择与混合优化的非线性混合整数规划模型,应用分支定界算法对模型进行求解,并通过具体实例分析证实了模型和算法的有效性。     

基于蚁群算法的复合材料层合板的铺层顺序优化

本文将蚁群算法引入到复合材料层合板铺层顺序的优化设计中,对给定各角度铺层数的层合板进行优化设计。本文采用遗传算法(GA)中的整数编码方法,将层合板的铺层顺序优化问题转化为求解旅行商问题(TSP),接着为满足工程实际的需要,对基本蚁群算法作了适当修改,以提高优化效率及性能。算例结果表明,对于确定层合板最佳铺层顺序的这种离散变量优化问题,蚁群算法是一种行之有效的方法,且编程简单、可移植性好,对工程结构优化设计有一定的参考价值。     

基于综合关联度的注塑成型工艺参数多目标优化研究

针对注射成型过程中的两个品质指标(翘曲量和收缩率),提出了基于综合关联度、Kriging模型及自适应遗传-蚁群算法的注射成型工艺参数优化方法。首先给出了综合关联度的定义及计算方法,然后给出了Kriging模型的拟合方法和自适应遗传-蚁群的优化算法。在结合带凸沿杯子的注射成型具体实例研究中,首先给出了注射成型工艺参数的范围,其次给出了基于正交实验的设计变量确定方法,然后基于超拉丁立方实验及Kriging方法进行模型近似,最后利用自适应的遗传-蚁群算法进行优化求解。模流分析及实际注塑实验表明,注射成型工艺参数优化的结果可靠,具有较好的实际意义。     

复合肥装置工艺流程的选择和优化

针对我国近10年复合肥发展特点,评述复合肥几种主要工艺流程优缺点,复合肥装置工艺流程要根据建设条件扬长避短科学设计,对硫基氮磷钾复合肥的增氮措施,尿基氮磷钾复合肥设计中尿素加入方式,一段还是二段干燥,是热筛分还是冷筛分,冷却用转筒还是流化床等问题及几种建设方案进行了比较和总结。     

化学试验设计及优化方法的发展与应用

为提高试验过程的效率,降低试验成本,需要对试验方法进行优化设计。针对常用的化学试验设计优化方法,包括正交试验设计、均匀试验设计、响应面法、蚁群算法等方法,分析了各种方法的优点及存在的问题。     

基于蚁群算法的水电经济调度

蚁群算法是一种模拟自然界蚁群行为的生物进化算法,该算法具有分布计算的特点,鲁棒性强,搜索效果好。对水电经济调度问题进行了研究,利用蚁群算法,提出了解决水电经济调度问题的具体方法,并获得了较满意的仿真结果。     

基于蚂蚁智能体调度的混沌搜索算法及化工应用

针对混沌搜索随机性的缺点和遍历性的优点,提出了一种基于蚂蚁智能体调度的混沌搜索算法（chaos optimization algorithm based on ant agent scheduling,CAAS）。该算法将解空间的每维变量都划分成若干子域并分配一定规模的蚂蚁智能体,蚂蚁智能体在各子域中进行混沌搜索。同时,根据每维变量各个子域中信息素浓度决定蚂蚁智能体在各个子域间的转移,以有效克服传统混沌优化算法的随机性,实现快速的全局最优搜索。分别采用传统混沌优化算法和CAAS对标准的非线性连续优化问题进行寻优。结果表明：CAAS的全局搜索性能、收敛速率都明显地优于混沌优化算法。最后,将该算法应用于对羧基苯甲醛含量软测量模型参数估计,取得良好的效果。     

基于新型蚁群算法优化的重油热裂解模型

针对重油热裂解模型的参数估计问题呈高维、高度非线性的特征,提出一种基于新型蚁群算法优化的重油热裂解模型.通过新型蚁群算法优化确定模型参数,获得具有良好预测精度的模型.新型蚁群算法通过将解空间划分成若干子域,并引入遗传操作,实现连续优化问题的寻优.仿真结果表明它具有良好的性能,且优于传统的遗传算法.     

涂料研磨过程控制优化

随着科技的发展,涂料生产线的工艺优化成为人们重视的问题,而在涂料生产过程中,对研磨过程又有着严格要求。鉴于此,本文以研磨时间为目标函数建立研磨过程模型,得出研磨时间和研磨压力的关系曲线,并采用蚁群算法对该曲线进行实时优化处理。由最后的仿真可以看出,利用蚁群算法对曲线进行优化,可以保证在研磨过程中快速寻找到最优工作时间值,既能节能降耗,又保证产品质量且降低了研磨过程的成本。     

蚁群优化的改进型神经网络控制器设计

利用可调激活函数改进神经网络,提高神经网络的泛化能力,并推导出激活函数参数的调节公式;对蚁群算法加以改进,以加快算法收敛速度、避免局部最优解,利用改进的蚁群算法对神经网络参数加以优化,并用优化后的改进型神经网络在线整定控制器参数。仿真表明,对于较复杂的系统该方法比传统的神经网络PID控制有更好的控制效果。     

蚁群算法优化BP神经网络在主汽温控制中的应用

针对火电厂主汽温被控对象的不确定性及大延迟、大惯性及非线性等特点,设计了一种基于蚁群算法、BP神经网络的智能PID串级控制系统.采用蚁群算法对BP神经网络的初始权值进行优化,再利用BP神经网络算法对PID参数进行在线调整,从而实现了对主蒸汽温度的动态控制.仿真结果表明：该系统在控制品质、鲁棒性方面都明显优于常规PID控制系统.     

蚁群算法在计算机自动组卷中的应用研究

分析并研究了当前自动组卷算法的优点与不足;提出了自动组卷问题数学模型;设计了一种基于蚁群算法的计算机自动组卷方法;针对中考地理考试进行了计算机自动组卷算法模拟实验,实验表明该算法能够在多项式时间内产生一个近似最优解.