基于改进差分进化算法的化工参数估计

为提高化工参数估计的精度,本文提出一种改进的差分进化(improved differential evolution,IDE)算法,并将其应用于甲醇转化烃类物质的参数估计问题。IDE算法设计了一种混合差分变异策略,主要利用种群中的当前个体、较优个体和指导个体实现算法寻优,并对参数进行了调整。该算法在提高种群多样性的同时能够加快收敛速度,在一定程度上降低搜索陷入局部最优的可能性。为验证算法在甲醇转化烃类物质的参数估计问题上的有效性,将IDE算法与部分已有算法进行比较。实验结果表明,本文算法提高了甲醇转化为烃类物质的化工参数估计精度,具有较强的竞争性。     

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。     

设计演化算法实现精馏分离序列优化综合

采用演化算法求解具有组合爆炸特征的精馏分离序列优化综合问题。由于精馏分离序列与二叉树之问具有同构性．在数据结构上精馏分离序列可以抽象为二又树,直接采用二叉树结构编码方案可以同时表达个体的基因型和表现形。借鉴生物界父本可以经过有性繁殖或无性繁殖得到子代的现象。对遗传算子进行设计。应冒图论方法建立有效的二叉树结构演化重组机制,从而形成基于双亲或单亲父本的交叉算子。实例表明：双亲遗传操作其空间搜索率较低,而单亲遗传操作其最优解命中率较高。因此。演化算法能够成功解算大规模精馏分离序列优化综合问题。     

差分进化算法研究进展

针对一种新兴的进化算法--差分进化算法,介绍该算法的基本原理、算法流程、算法参数及其对算法性能的影响,总结控制变量选择的经验规则,归纳了改进差分进化算法和算法在相关领域的应用概况,已研究的理论和应用成果均证明该进化算法的有效性和先进性,具有广阔的发展前景.最后对差分进化算法进一步的研究工作进行了探讨和展望.     

基于差分进化粒子群混合优化算法的软测量建模

针对乙烯生产过程中,用传统方法难以直接完成对乙烯收率的在线测量的问题,提出了一种新型差分进化粒子群混合优化算法,建立了乙烯收率软测量建模。改进算法将优化过程分成两阶段,两分群分别采用粒子群算法和差分进化算法同时进行。迭代过程中引入进化速度因子进行算法局部收敛性判断,通过两个群体间的信息交流阻止算法陷入局部最优。对高维复杂函数寻优测试表明,算法的整体优化性能均强于基本粒子群算法和差分进化算法。应用结果表明,基于改进算法的软测量模型具有测量精度较高、泛化性能较好等优点。     

改进的教学优化算法及其应用

针对教学优化算法（TLBO）收敛速度慢,容易陷入局部最优的问题,本文提出了一种改进的方法。算法的改进主要在两方面：一是对教学因子（TF）进行自适应调整,使TF随算法迭代减小,这样算法在搜索前期采用全局搜索,搜索空间快速收敛于最优解附近,提高搜索速度,搜索后期采用局部精细搜索以获得高精度的解。二是引入信任权重,对学生已获得的知识采取部分信任的策略,避免对已获取知识的过分信任,增加学生个体与教师及学生之间的信息共享,利于算法跳出局部最优。算法在8个标准测试函数上应用,仿真结果表明改进的算法有更快的收敛速度并且能够跳出局部最优。最后将改进的算法应用到乙烯裂解炉裂解运行效益优化中,显著提高了裂解炉的效益。     

基于Kriging的差分进化算法及其在苯乙烯流程优化中的应用

自适应差分进化算法基于个体生成策略和控制参数自适应,无须人为设置参数,对问题有较好的适应性,但其收敛速度和精度有待提高。将具有较高预测精度的Kriging模型应用于自适应差分进化算法中,建立跟随种群变化的Kriging模型,通过模型极值点与种群最优个体竞争,对种群产生扰动,影响种群进化过程,改善算法的收敛速度和寻优性能。对10个典型测试函数的测试结果表明,该算法较标准和自适应差分进化算法收敛速度加快,收敛精度提高,且具有更好的稳定性。将基于Kriging的差分进化算法应用于苯乙烯装置的流程优化,操作运行费用显著降低。     

一种改进的差分进化算法及其在补料分批式生化反应器动态优化中的应用

动态优化是生物化工过程中的重要课题,求解动态优化问题通常有两种方法:解析法和数值法。基于智能进化算法的数值方法在动态优化中的应用越来越广泛,但是这些方法局部寻优能力不强,容易陷入局部最优,并且求解速度相对较慢。针对这些方法的不足,提出了一种改进的差分进化算法,设计了新的局部寻优算子来增强算法的局部寻优能力,并且采用一种新的控制策略表示方法来求解动态优化问题。通过求解补料分批式生化反应器的动态优化实例,证明了算法的有效性和鲁棒性。通过与其他几种方法进行对比,实验结果表明,所提出的方法在优化结果和计算代价方面都有优势。     

一种自适应多策略差分进化算法及其应用

针对差分进化算法由于固定参数设置而易早熟或陷入局部最优的问题,提出了一种自适应多策略差分进化算法（SMDE）。该方法以基本差分进化为框架,首先引入一个变异策略候选集合,一个缩放因子候选集合和一个交叉参数候选集合,然后在搜索过程中,以过去的搜索信息为基础,自适应地为下一时刻进化群体中的每个个体从候选集合中选择一组合适的变异策略和控制参数,以便在不同的进化时刻设置合适的变异策略和控制参数。对10个常用的标准测试函数进行优化计算,并与其他算法的结果进行了比较,实验结果表明,SMDE具有较好的搜索精度和更快的收敛速度。将SMDE用于化工过程动态系统不确定参数估计问题,实验结果表明该算法能较好地处理实际工程优化问题。     

基于适应策略差分进化算法的化工反应动力学参数估值

为了更准确地通过煤烟气成分推测汞元素氧化程度,建立精确的汞氧化过程动力学模型至关重要。目前已有的汞氧化过程动力学模型中存在一些难以确定的未知参数,为了确定模型中这些参数的最优值,本文提出一种改进的适应策略差分进化算法（ASDE）。该算法引入变异策略、缩放因子（F）和交叉参数（CR）候选集合,同时为集合中每个候选参数赋予一定的选择概率。在进化搜索过程中,以历史成功搜索信息为基础,实时更新每个候选集合中各参数对应的选择概率,并根据选择概率自适应为下一时刻进化群体中每个个体分配变异策略和对应控制参数。将改进算法用于汞氧化过程动力学参数估值问题,实验结果显示,相对其他6种算法,改进算法ASDE求解得到模型更加接近实际,是一种求解化工反应动力学参数估值问题的有效方法。     

基于自适应DE算法的电子膨胀阀PID控制器参数整定

针对标准DE算法过早收敛容易产生早熟的问题,引入自适应变异算子的计算方法,对标准DE算法进行优化,并将改进的DE算法应用于电子膨胀阀PID控制器参数的在线整定。仿真实验结果表明:使用改进的自适应DE算法整定PID控制器参数的电子膨胀阀,能使系统更快、更稳定地达到过热度期望值,避免了早熟现象。     

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。     

基于差分进化算法的控制变量参数化方法及其在化工过程动态优化中的应用(英文)

Two general approaches are adopted in solving dynamic optimization problems in chemical processes, namely, the analytical and numerical methods. The numerical method, which is based on heuristic algorithms, has been widely used. An approach that combines differential evolution (DE) algorithm and control vector parameterization (CVP) is proposed in this paper. In the proposed CVP, control variables are approximated with polynomials based on state variables and time in the entire time interval. Region reduction strategy is used in DE to reduce the width of the search region, which improves the computing efficiency. The results of the case studies demonstrate the feasibility and efficiency of the proposed methods.     

丙酮酸高产菌诱变选育及发酵工艺优化的初步研究

以光滑球拟酵母(Torulopsis glabrata)HB20为出发菌,经过UV和DES复合诱变选育出一株丙酮酸高产菌HB304.鉴定其为维生素营养缺陷型,摇瓶发酵产酸量比原菌增加了31.2%;优化培养基后其摇瓶发酵产酸量比原菌增加了41.9%.     

微分进化算法研究及其在热工过程参数辨识中的应用

被控对象的数学模型,对控制系统的设计和分析有着极为重要的意义.采用微分进化算法对被控对象参数进行辨识.这种算法与其它进化算法的不同之处在于它的变异算子是由种群中任意选取的多对向量的差值得到的,并且主要用于实参数优化问题.微分进化算法虽然有简单、搜索效率高的特点,但是仍存在局部最优的问题.因此,在对微分进化算法搜索机理进...     

CMPSO算法在参数辨识中的应用

通过对系统数学模型的分析,将系统参数辨识问题转化为优化问题,然后利用改进粒子群优化算法实现系统参数辨识.提出的混沌变异粒子群(CMPSO)搜索算法提高了搜索效率并增强了摆脱陷入局部最优的能力.     

A Hybrid Algorithm Based on Differential Evolution and Group Search Optimization and Its Application on Ethylene Cracking Furnace

To find the optimal operational condition when the properties of feedstock changes in the cracking furnace online, a hybrid algorithm named differential evolution group search optimization (DEGSO) is proposed, which is based on the differential evolution (DE) and the group search optimization (GSO). The DEGSO combines the advantages of the two algorithms: the high computing speed of DE and the good performance of the GSO for preventing the best particle from converging to local optimum. A cooperative method is also proposed for switching between these two algorithms. If the fitness value of one algorithm keeps invariant in several generations and less than the preset threshold, it is considered to fall into the local optimization and the other algorithm is chosen. Experiments on benchmark functions show that the hybrid algorithm outperforms GSO in accuracy, global searching ability and efficiency. The optimization of ethylene and propylene yields is illustrated as a case by DEGSO. After optimization, the yield of ethylene and propylene is increased remarkably, which provides the proper operational condition of the ethylene cracking furnace.     

遗传算法在复杂反应动力学模型参数估算中的应用

用改进的遗传算法求解复杂反应动力学模型参数。算法中通过采用亲子竞争和遗忘变异策略,有效地提高了遗传算法的搜索性能,并避免了序贯优化方法有可能陷于局部极值的问题。该算法在苯热裂解脱氢反应体系的应用中取得了令人满意的计算结果。此外,对控制参数（变异遗传率）及遗传策略（选择策略,交叉策略）对算法性能的影响进行了探讨。     

粒子群优化算法的研究

粒子群优化算法是一种基于群体智能的优化算法。介绍粒子群优化算法及其基本原理,给出各种改进技术及研究现状,并展望未来的发展趋势。