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.     

运用改进的遗传算法估计发酵动力学模型参数

针对简单遗传算法（SGA）存在早熟，寻优效率偏低等缺点，提出了一种改进的遗传算法，并将它用于发酵动力学模型参数的估计，取得了满意的效果。     

遗传算法在煤炭产量预测建模中的应用

针对常规遗传算法（SGA）存在的早熟、寻优效率偏低等缺点，提出了一种改进的遗传算法。利用遗传算法的全局寻优特点，将它应用于模型参数估计，建立了精度更高的煤炭产量预测模型。     

遗传算法在环己醇/环己酮硝化氧化反应动力学模型参数估计中的应用

针对传统优化方法易陷入局部最优、全局寻优性能较差等缺点，本文提出了一种改进的遗传算法，并将它应用于环己醇／环己酮硝化氧化反应动力学模型参数估计，取得了满意的效果。     

优进策略支持的进化规划估计反应动力学参数

为准确估计反应动力学参数,在分析确定性优化方法与进化算法特性的基础上,提出了一种由优进策略支持的进化规划方法(EEP),它将确定性寻优的两点梯度法(TPG)引入随机的进化规划算法(EP)中。EEP将依概率调用TPG寻优操作,并相应地调整原有的随机性操作,包括简化变异操作、改进选择操作。测试结果表明EEP克服了TPG与EP的缺点,发扬了二者的优点,具有良好的全局寻优性能。将EEP方法成功地应用于2-氯苯酚在超临界水中氧化反应动力学参数的估计,效果良好,与其它方法相比,结果有所改进,显示出EEP方法的优越性。     

基于遗传算法的汽车永磁发电机多目标优化设计

提出了一种基于遗传算法的汽车永磁发电机多目标优化设计。该设计通过改进的遗传算法进行多目标优化。改进的遗传算法采用二进制编码,规范化几何秩选择,混合交叉及均匀变异。优化结果表明,在单目标函数和多目标函数情形下均搜索到全局最优解,遗传算法为多目标优化提供了有效的途径。同时经过反复计算后,获得一些具有实用价值的经验数据,对永磁电机的设计起到一定指导作用。     

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。     

基于M-Agent的遗传算法及其在二甲苯异构化装置优化中的应用

针对常规遗传算法（SGA）的不足,采用新颖的智能体（Agent）技术构建多Agent系统实现遗传算法,能从进化环境中获取表征当前进化状态的有用信息,智能地监控调度GA的进化操作,在避免早熟的同时加快全局寻优,提升GA的优化性能,对于复杂问题其优势更为显著.开发了基于多Agent的遗传算法（M-Agent-GA）,并应用于二甲苯异构化装置的操作优化,取得了良好的效果.     

杂交蚁群系统的构建并用于反应动力学参数的估计

经典的蚁群算法模仿蚂蚁觅食,释放信息素,形成正反馈互激励机制,提高了全局寻优效率,但它只适用于离散问题.将解空间划分为小区域,用以承载信息素,设置全局与局部蚂蚁,引入遗传算法的种群和操作方式,以Powell寻优算子和最优解保留策略改造蚂蚁的智能活动与互激励机制,构建为杂交蚁群系统（hybrid ant colony system,HACS）,可用于求解连续优化问题.实例测试表明,HACS具有良好的全局寻优能力和稳定性,将HACS应用于2-氯苯酚在超临界水中氧化反应动力学参数的估算,获得了满意的结果.