基于极值动力学机制和信息融合搜索的混合算法及其应用

提出了一种新的基于自适应lévy变异的极值动力学和信息融合搜索的混合算法.新算法将全局搜索和局部搜索机制有机地结合起来,在全局搜索过程中,信息融合搜索算法(IFA)作为一种群智能进化算法,能够快速地逼近近似最优解;在局部搜索过程中,通过选择近似解的最差组元进行自适应lévy变异,利用极值动力学算法(EO)强大的局部搜索...     

应用于换热网络优化的并行双层RWCE算法

换热网络规模越大,其解空间内极值点呈指数性增长,优化时不仅要求算法具有强大的全局寻优能力,局部解空间的高精度搜索也不可或缺。鉴于强制进化随机游走算法(RWCE)优化换热网络时难以兼顾局部搜索能力、易导致遗漏最优解的现象,同时为增大算法优化大规模换热网络的种群数量,本文将精细搜索和并行计算相结合提出了并行双层RWCE算法。算法基于多核并行技术,通过并行线程分配建立基础层和精细层,基础层在并行计算技术加持下,算法全局搜索能力大幅提升,精细层将基础层当前最优解实时精细搜索,避免了原算法差解代替优解现象。最后通过两个算例进行验证,结果表明并行双层RWCE算法不仅具有更强的全局搜索能力,且兼具高精度的局部搜索能力,在优化进程中有效保护了最优解。     

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。     

A hybrid algorithm based on extremal optimization with adaptive lévy mutation and information fashion algorithm and its applications

提出了一种新的基于自适应lévy变异的极值动力学和信息融合搜索的混合算法。新算法将全局搜索和局部搜索机制有机地结合起来,在全局搜索过程中,信息融合搜索算法(IFA)作为一种群智能进化算法,能够快速地逼近近似最优解;在局部搜索过程中,通过选择近似解的最差组元进行自适应lévy变异,利用极值动力学算法（EO)强大的局部搜索能力,协助IFA跳出局部极值点。将其运用于超临界水氧化去除率神经网络软测量建模,实验结果表明了方法的有效性和实用性。     

基于改进遗传算法的二自由度PID控制注射机液压控制系统

基于二自由度PID控制器的注射机液压控制系统,采用改进遗传算法进行二自由度参数整定。半实物仿真实验表明:改进遗传算法通过优化选择算子和变异算子提高算法搜索速度并保证全局最优性,具有更快的搜索速度和全局最优性,在最优参数的控制下液压系统具有理想的控制效果。     

全局校正的可变容差法及其在化工过程在线优化中的应用

传统在线优化算法在寻优时未考虑全局最优点对寻优的指导作用,且没有对优化搜索区域进行约束,因此,具有一定的盲目性,很难保证最终能够搜索到全局最优点,且优化解难以在线应用。针对传统优化算法的局限性,本文提出了一种全局优化指导局部优化的两层优化方法——全局校正的可变容差法,以遗传算法作为全局优化算法,可变容差法作为局部优化算法,以全局优化解调整局部优化算法的寻优方向,保证在线优化向全局最优点方向前进,指出全局优化算法和局部优化算法分别具有不同的优化周期和约束区域。将全局校正的可变容差法在数值函数中验证并应用于乙炔加氢反应器的在线优化,结果表明,与传统在线优化算法相比,这种方法不但能够减少寻优时间,也提高了寻优的精确度和有效性。     

基于自适应粒子群优化算法的节点定位研究

针对粒子群优化定位算法易陷入局部极值的缺点,提出了一种基于自适应粒子群优化算法的无线传感器节点定位方法。该方法在迭代前期ω取较大值实现快速收敛到最优解附近,后期取较小值求高精度解。在适应度值越大时全局搜索能力越强,加快向全局最优位置的聚集速度;适应度值越小局部搜索能力越强,可得到高精度的解,并通过对全局最优位置进行自适应变异操作,保证算法能跳出当前的搜索区域。仿真结果表明:与常用的极大似然估计对比,该算法具有收敛快、能耗小、精度高和稳定性好的优点,适合应用在无线传感器网络的定位中。     

动态克隆调节策略在分馏系统资源优化中的应用

基于生物免疫的克隆选择和独特型免疫网络机理,提出了动态克隆调节策略（DCAS）。该策略以搜索全局最优解为目标,引入了抗体的促进与抑制的动态调节思想,能自动调整搜索空间及克隆规模,并采用自适应多尺度变异方法,因此能更好地保持种群的多样性,协调全局与局部寻优搜索,提高了全局收敛的速度,有效避免了早熟现象。本文用典型的多峰测试函数检验了算法的有效性,并将结果应用于分馏系统的进料资源优化中,取得了良好的效果。     

利用遗传算法进行排水管网优化设计

提出对于不同管径以不同最大流速进行限制,在遗传算法优化过程中,各个管段所对应的可行管径数目不同,使得遗传算法的搜索更具有目的性,搜索速度更快,并且还可保证管网系统的全局优化。     

基于局部搜索策略的混合算法同步综合换热网络

针对复杂换热网络混合整数非线性问题,提出了一种由混沌蚁群算法、局部搜索策略和结构进化策略组成的混合算法,同步综合换热网络。首先采用混沌蚁群算法初步优化换热网络,蚂蚁个体根据混沌搜索机制遍历整个求解域。随后引入Powell法作为局部搜索策略,加强蚂蚁个体的局部搜索能力。最后结合结构进化策略,限制算法的搜索空间,优化蚂蚁个体表示的换热网络结构,并将优化后的信息反馈。蚂蚁会根据自身、邻居和反馈的信息作进一步搜索,直到算法收敛于全局最优解。通过算例对算法进行验证,结果表明,混沌搜索机制使混合算法具有很好的全局搜索能力;Powell法加强了算法的局部搜索能力,提高了求解精度;结构进化策略能够有效地缩减搜索区间,提高搜索效率。所以混合算法能够很好地兼顾处理连续变量和整型变量,适用于换热网络综合。     

改进的差分进化算法及在聚丙烯牌号切换优化中的应用

针对差分进化算法早熟问题,提出一种改进差分进化算法,采用动态缩放因子解决优化过程中的变量约束问题,在进化过程中自动地调整控制参数取值以保证变量约束条件;引入聚集度作为参数评估种群分布的密集程度,增加一种新的变异算子在进化过程中根据聚集度情况对部分个体进行后续变异操作,适时调整种群分布,提高种群多样性,增强全局搜索能力。建立了聚丙烯牌号切换优化模型并将改进的差分进化算法应用于牌号切换优化模型的求解,仿真实验结果表明改进的差分进化算法在全局搜索能力和搜索效率两个方面有较大提高。     

复合粒子群优化算法在模型参数估计中的应用

化工非线性模型的参数估计是较为困难的寻优问题，经典方法常会陷入局部极值。粒子群算法操作简便、容易实现且全局搜索功能较强，适用于非线性参数估计。但其参数值的确定与问题相关，若设定不当，会严重影响全局搜索的性能。今提出引入遗传算法，在粒子群算法的搜索过程中，逐代优选参数，包括惯性权值，加速常数，以此构建为复合粒子群优化算法。分析与测试表明，其全局搜索性能有显著改善。进一步的工作又将两种粒子群算法成功地应用于重油热解模型的参数估计。采用复合粒子群优化算法估计参数构建的重油热解模型，其预报相对误差比常规粒子群优化算法降低了8.97％，比简单遗传算法降低了23.21％，效果明显。     

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。     

遗传算法在催化体系的全局结构优化中的应用

对催化体系进行全局结构优化,搜寻基态结构对预测催化剂结构、分析反应物的吸附特性、研究多相催化反应机理、构建实际反应路径等方面至关重要。遗传算法通过交叉、变异和选择等操作,模拟了自然淘汰进化过程,来搜索势能面上的基态结构。作为一种无偏优化算法,遗传算法的优化过程不依赖于输入结构,具有很强的全局搜索能力。对遗传算法在催化体系的全局结构优化问题中的应用进行了综述,介绍了遗传算法在实空间上进行全局结构优化的基本程序框架以及近年来结合并行计算、机器学习等技术发展的改进框架,并讨论了它们在团簇优化、负载型催化剂的结构优化问题上的相关应用,为遗传算法的进一步改进以及更广泛的应用提供理论指导。     

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。     

基于蒙特卡罗微分算法优化大规模换热网络

在换热网络数学模型及分级超结构基础上,提出蒙特卡罗结合微分进化算法,双层优化换热网络。外层利用蒙特卡罗算法全局范围内搜索最佳的换热网络结构;内层用微分进化算法优化换热器面积;通过设定合理的预期换热器个数,控制Grossmann超结构下产生换热器的个数,不但能提高求解效率,而且可以有效地解决大规模换热网络问题。最后,算例结果表明,基于蒙特卡罗微分算法能保证在全局搜索能力的前提下,混合求解策略能够获得较优的结果。     

基于自适应布谷鸟搜索的模糊聚类算法

由于布谷鸟算法的步长控制因子和发现概率在算法运行过程中保持固定,影响算法的整体寻优效率和寻优精度,为此提出一种自适应设置步长控制因子和发现概率的布谷鸟搜索算法,并利用它优化模糊聚类随机选取初始聚类中心影响聚类效果的缺陷。首先根据搜索阶段的不同自动调节两个参数,使全局和局部的搜索能力达到最平衡的状态,提高整体的搜索效率;然后用改进的布谷鸟搜索算法优化模糊聚类算法,使得算法达到更好的聚类效果。在对比实验中验证了改进后的自适应布谷鸟搜索算法在寻优速度和精度上效果更优。通过比较4种算法在UCI数据集上的聚类效果,验证了改进后的算法在聚类准确率和稳定性上都有所提升。     

一种新的用于换热网络全局优化的强制进化随机游走算法

应用启发式方法在换热网络全局优化上的优点,提出了一种全新的强制进化随机游走算法（random walk algorithm with compulsive evolution,RWCE）,算法以目标函数减小为强制方向,通过各换热单元面积的随机扩大或缩小,同时实现了整型变量（换热单元数）和连续变量（换热单元面积）的同步优化。另外,算法能够以一定的概率选择接受差解,使其具备极强的跳出局部最优解的能力和全局搜索能力。算例验证表明,RWCE算法相比于其他启发式方法具有程序简单、更易实现、算法适应性及全局搜索能力更强的优点,使优化质量得到进一步提升。     

单纯形-差分进化算法及其在软测量建模上的应用

针对差分进化算法（Differential Evolution Algorithm,DEA）容易陷入局部最优值且搜索效率不高的缺点,提出一种单纯形一差分进化算法（SM—DEA）。该算法在DEA中引入计算量小、搜索速度快且局部搜索能力很强的单纯形方法（Simplex Method,SM）,在迭代过程中交叉使用DEA和SM。对标准函数的测试表明,该算法具有很强的全局搜索能力和很高的搜索效率。将算法应用于乙炔加氢反应器出口乙炔浓度的软测量建模,结果表明该算法能提高模型的精确度,降低预测误差,具有较高的实用价值。     

Hopfield神经网络与专家系统相结合的换热网络设计方法有效性分析

在利用Ｈｏｐｆｉｅｌｄ神经网络（ＨＮＮ）模型搜索换热网络中最佳物流匹配方式时,通过建立专家系统来描述匹配过程中必须考虑的定性及定量因素,协助调整ＨＮＮ模型运行过程中的寻优方向,以减小ＨＮＮ模型的搜索空间,保证问题的全局优解。文章通过实例说明了该混合方法的有效性。