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.     

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。     

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.     

迭代全息搜索策略及其在动力学参数估计中的应用

针对反应动力学参数估计的复杂性,设计了一种新颖的优化方法-迭代全息搜索策略(IHRS).全息搜索策略(HRS)将多维空间中的寻优问题直观地通过二维全息图上的近邻搜索来实现,是一种全局搜优效率较高的确定性优化方法,但它只能用于离散系统的优化.IHRS通过对连续变量进行离散化处理,并运用迭代计算逐步缩小离散系统与原连续系统的偏差,将复杂的多维连续变量优化问题转化为多个串联的较为简单的离散变量组合优化问题,再运用HRS寻优.并讨论了等分区间数、搜索域收缩率、群规模等参数对IHRS搜优效率的影响.六维Alpine函数测试表明,IHRS的全局优化性能优于单纯形法和遗传算法(GA).将IHRS应用于SO2催化氧化反应动力学模型参数的估计,取得了满意的结果.     

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。     

一种基于Alopex的参数自适应进化算法及其在软测量建模中的应用

提出了一种基于Alopex的参数自适应进化算法(SaAEA)。SaAEA算法将进化分为两个层面,即种群个体利用AEA算法进化,算法参数利用粒子群算法进化,实现参数的自适应调整。并将差分算法中使用的交叉操作引入到AEA算法以改善种群多样性。SaAEA算法在14个典型测试函数上进行了测试,测试结果表明,与基本的AEA算法相比,SaAEA算法寻优性能有了较大的提高,获得的解的质量和收敛速度均有明显提高。最后,将SaAEA算法应用于乙烯裂解深度神经网络软测量建模,得到的模型有较好的泛化能力。     

改进生物地理学算法对正丁烷异构反应模型的优化

针对生物地理学优化(biogeography-based optimization,BBO)算法在寻优过程中容易陷入早熟的现象,提出了一种基于三维变异的生物地理学优化(three-dimensional variation biogeography-based optimization,Tdv-BBO)算法。该算法是在BBO算法的基础上,引入了三维变量的变异,解决了BBO算法后期搜索动力不足的问题,加快了BBO算法的寻优速度。同时,提出将改进的Tdv-BBO算法应用到正丁烷异构反应动力学模型的优化中,对反应动力学模型的参数进行了优化和整定。仿真实验表明:改进的Tdv-BBO算法提高了个体种群的多样性,增强了算法的搜索能力,加快了寻优速度。用该方法优化得到的反应动力学模型,模型精度较高,泛化能力强;可为正丁烷异构反应的建模提供一种有效的方法。     

多变异遗传算法优化生物脱硫反应动力学模型参数

由于常规遗传算法(SGA)的全局寻优效率不高,用于复杂的生物脱硫反应动力学模型参数优化时效果欠佳,为此设计了一种新的多变异遗传算法(MGA)以提高全局寻优效率.MGA的改进措施包括散射变异、微扰变异和单纯形变异各算子的设计,多变异操作实施方案的制定,选择操作和交叉操作方式的选择和改进等.Shaffer′s F6函数和10维Alpine函数测试表明,与SGA相比,MGA的全局寻优效率大大提高.将MGA应用于红球菌DS-3脱除二苯并噻吩(DBT)的动力学模型参数优化,建立了更为准确的反应动力学模型.     

进化规划-蚁群优化算法的构建并用于化工过程操作优化

经典蚁群优化（ACO）算法搜优效率高,但只适用于求解组合优化等离散问题.以搜索最优食物源为目标,并引入进化规划（EP）简洁的进化机制,用以改造ACO,使之适于连续问题.又将蚁群分工为全局和局部蚂蚁,分别引领个体进行全局探索式和局部挖掘式寻优,并在各个体上释放信息素,供蚁群共享,由此继承了ACO正反馈、互激励的优点,并在优进策略的支持下,构建为EP-ACO算法.经复杂测试函数的优化检验,显示出EP-ACO适于连续问题,且全局搜优效率高,对高维问题适应性强.将EP-ACO应用于二甲苯异构化装置的操作优化,取得了良好的效果,与其他方法相比,优越性明显.     

改进生物地理学算法对正丁烷异构反应模型的优化

针对生物地理学优化（biogeography-based optimization,BBO）算法在寻优过程中容易陷入早熟的现象,提出了一种基于三维变异的生物地理学优化（three-dimensional variation biogeography-based optimization,Tdv-BBO）算法。该算法是在BBO算法的基础上,引入了三维变量的变异,解决了BBO算法后期搜索动力不足的问题,加快了BBO算法的寻优速度。同时,提出将改进的Tdv-BBO算法应用到正丁烷异构反应动力学模型的优化中,对反应动力学模型的参数进行了优化和整定。仿真实验表明：改进的Tdv-BBO算法提高了个体种群的多样性,增强了算法的搜索能力,加快了寻优速度。用该方法优化得到的反应动力学模型,模型精度较高,泛化能力强;可为正丁烷异构反应的建模提供一种有效的方法。     

改进的全息搜索策略及其在化工优化中的应用

引言 基于样本数据估计反应动力学参数是常见的化工优化问题.参数估计的通用规则是偏差最小化,许多经典的序贯类寻优方法都可用于这一目的,例如Powell共轭梯度法、模式搜索法、变度量法等.     

基于混合微分进化算法的生化过程动态参数估计(英文)

Determination of the optimal model parameters for biochemical systems is a time consuming iterative process. In this study, a novel hybrid differential evolution (DE) algorithm based on the differential evolution technique and a local search strategy is developed for solving kinetic parameter estimation problems. By combining the merits of DE with Gauss-Newton method, the proposed hybrid approach employs a DE algorithm for identifying promising regions of the solution space followed by use of Gauss-Newton method to determine the optimum in the identified regions. Some well-known benchmark estimation problems are utilized to test the efficiency and the robustness of the proposed algorithm compared to other methods in literature. The comparison indicates that the present hybrid algorithm outperforms other estimation techniques in terms of the global searching ability and the convergence speed. Additionally, the estimation of kinetic model parameters for a feed batch fermentor is carried out to test the applicability of the proposed algorithm. The result suggests that the method can be used to estimate suitable values of model parameters for a complex mathematical model.     

Optimization of a Fluid Catalytic Cracking Kinetic Model by Improved Particle Swarm Optimization

Fluid catalytic cracking (FCC) kinetic models are characterized by high dimension, nonlinearity, discontinuity, and non-differentiability. Particle swarm optimization is easy to fall into local optima prematurely when it is applied to the optimization of kinetic models. To solve this problem, an improved two-swarm cooperative particle swarm optimization (ITCPSO) is proposed. Considering the reaction mechanism of FCC, an 8-lumps kinetic model was developed. According to the pilot data, nine PSO algorithms and ITCPSO are presented to estimate the parameters. The results demonstrate that better performance of global searching is gained by ITCPSO compared to other PSOs, thus, ITCPSO is expected to be implemented in the optimization of complex kinetic models.     

广义回归神经网络的改进及在延迟焦化建模中的应用

广义回归神经网络（GRNN）具有明确的概率意义,其参数大多能自动确定,仅光滑因子参数需优化估值.采用优进遗传算法（EGA）,将确定性与随机性寻优操作相融合,实现了高效全局搜优,它所基于的优进策略包括设计Powell寻优算子、改进交叉算子、自适应地调整交叉率和变异率等.以推广能力作为优化目标,所建的GRNN有很强的非线性拟合能力和优良的预报性能,将其成功地为延迟焦化过程建模,与径向基网络（RBFN）等相比,显示了明显的优势.     

用改进的实数编码遗传算法估计反应动力学参数

通过理论分析和模拟实验研究了遗传算法中实数编码线性交叉操作的效率,提出了一种优化分布线性交叉操作策略,使子代个体在搜索空间内达到均匀分布,具有很高的搜索效率。用这种改进的实数编码遗传算法进行正丁烷选择氧化反应动力学参数估计,取得了良好的效果。     

一种新的DNA遗传算法及其在参数估计中的应用

化工过程的参数估计是十分棘手的问题,为此常将这类问题转化为非线性优化问题来解决。遗传算法是一种适应性强的全局搜索方法,常被用于解决非线性系统的参数估计问题。但其局部搜索能力较差,易早熟。针对遗传算法的缺点,提出了一种新的DNA遗传算法。该方法使用碱基对个体进行四进制编码,受DNA分子操作启发设计了新的交叉和变异算子。两个经典测试函数的计算结果表明,该算法的搜索能力相对于其他两种算法有了明显提高。使用该算法来估计重油热解三集总模型中的参数,结果表明所建模型拟合精度高。     

基于EGA的RBF-PLS方法为脉冲萃取过程建模

针对径向基网络(RBFN)结构与参数难以确定的问题,在分析径向基函数-偏最小二乘(RBF-PLS)方法的基础上,提出以模型拟合和预报性能为目标,同时优选RBF的宽度参数和PLS成分数,并设计了基于优进策略的遗传算法(EGA)实施优化。EGA增加了模式搜索寻优算子,对交叉算子作了改进,自适应地调整交叉率和变异率,由此形成EGA-RBF-PLS方法,并将它应用于回收ε-己内酰胺的脉冲萃取过程。它工作量小,效果良好,所建模型的拟合和预报性能明显优于近似机理模型和其它RBFN模型,稳健性也更好。     

RBF-CSR-EHCGA模型及其在脉冲萃取中的应用

径向基函数-循环子空间回归（RBF-CSR）是一种有效的非线性网络模型,以高斯条为基函数,性能更优,但其参数多,且难以选定,将显著影响模型性能.为此,本文提出基于优进策略的混合编码遗传算法（EHCGA）,以不同的方式为各类参数编码,并引入确定性的Powell算子,提高全局搜优效率.EHCGA算法以模型预报性能为目标,优选参数,以此建立RBF-CSR-EHCGA模型,它的预报精度高、稳定性良好.已成功应用于回收己内酰胺的脉冲萃取过程建模,效果良好,明显优于其他网络模型,也优于近似机理模型.     

塑料薄壁件注射成型工艺参数优化

针对传统遗传算法在处理薄壁件注射成型工艺参数优化问题时存在的全局搜索和局部搜索之间的矛盾以及局部搜索能力不足等问题,提出了优化组合遗传算法,实例验证了该算法的可行性。