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.     

连续多蚁群算法的构建及其在过程动态优化中的应用

动态优化为过程系统工程的重要课题,现有解法存在较多不足,为此构建了连续多蚁群算法(CMACO),可直接用于由动态优化转换成的非线性规划问题.该算法克服了经典蚁群算法只适用于离散问题的局限性,以最优食物源为目标,有多个子群同时搜索.各子群的信息素呈正态分布,独立引导蚂蚁寻优.子群间又相互交流,协同搜索,并逐轮调整子群规模、分布中心和宽度.在可行区域内既全面探索,又加强挖掘,提高了全局优化的性能和速率.将其用于Park-Ramirez和Lee-Ramirez生物反应器的补料流率优化,在优化结果和计算代价上都有一定的优势.     

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.     

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。     

改进蚁群算法在支持向量机参数中的应用

提出一种改进的蚁群算法(即交叉验证法与蚁群算法的有效结合)对支持向量机的参数进行优化。首先通过交叉验证法得到支持向量机参数,然后在这些参数中确定蚁群算法的搜索空间,最后在该区间上选取最优参数。仿真结果表明:使用该方法优化支持向量机参数可以在较短时间内寻找到最优解,进而缩短搜索时间,提高识别准确率。     

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。     

序贯优化化工动态问题的蚁群算法

针对化工动态优化问题,分析现有数值解法的不足,提出序贯执行蚁群寻优操作,逐步寻找最佳解的策略,构建序贯蚁群算法.算法首先对时间区间和控制变量搜索域实施离散化,以一组整数编码的蚁群路径表示可行控制策略,进而应用蚁群寻优操作寻找离散问题的最优控制策略.逐步收缩控制搜索域并反复上述步骤,不断改善寻优结果.序贯蚁群算法简便快捷,用于化工动态优化问题效果良好,计算结果体现了算法的稳健性.     

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.     

迭代遗传算法及其用于生物反应器补料优化

针对化工动态优化的数值求解问题，提出将迭代思想与遗传操作相结合，构建迭代遗传算法.算法首先对时间区间和控制搜索域实施离散化，进而应用遗传操作搜索离散问题的最优控制策略.逐步收缩搜索域并迭代以消减离散化带来的偏差，不断改善寻优结果，增强算法的稳健性.实例测试表明该算法简便、可行、高效，已成功地应用于Lee-Ramirez生物反应器补料流率的优化，运算结果优于文献值，显示了迭代遗传算法的优越性.迭代遗传算法尤其适用于系统的梯度信息不可得的情况.     

基于免疫机制的多目标蚁群算法用于间歇反应器的约束动态多目标优化

含路径和终端约束的动态多目标优化是过程系统工程的一个重要研究方向,难度较高.传统蚁群算法仅适于离散问题,今采用混合正态分布描述信息素分布,并设计相应的解构造操作,使之拓宽至连续优化问题.通过对目标函数和约束矩阵的非劣捧序,确定解的等级,用以克服传统约束处理方法的局限性.借鉴了免疫系统的浓度概念,将其与解的等级结合,共同确定解的适应度,有助于保持种群的多样性.在更新信息素时将利用外部优解库和种群信息,可加快收敛速度.基于拥挤度距离更新外部优解库可更均匀地逼近Pareto最优解集.由此构建了一种基于免疫机制的多目标蚁群算法(Immune Mechanism based Multi-Objective Ant Colony Algorithm,IM-MOACA),并用于间歇反应器的动态多目标优化问题,效果良好,显示出较强的全局优化性能,能以较快的速度逼近真实的Pareto最优前沿,可为用户进行合理的决策分析提供有效的支持.     

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.     

群智能优化LSSVM最优聚丙烯熔融指数预报

提出了群智能优化AC_ICPSO(ant colony and immune clone particle swarm optimization)算法,融合蚁群算法与粒子群算法进行动态群体搜索,设计交叉算子和变异算子、群体多次编码、迭代选择等,来提高数据搜索的范围、精度和收敛的效率,避免早熟,降低算法的复杂度。然后利用AC_ICPSO方法对最小二乘支持向量机预报模型(LSSVM)进行参数寻优,得到最优的AC_ICPSO_LSSVM预报模型。以实际聚丙烯生产的熔融指数预报作为实例进行研究,结果表明所提出的AC_ICPSO_LSSVM方法有效,具有良好的预报精度。     

Semiochemicals released by electrically stimulated red imported fire ants,Solenopsis invicta

The red imported fire ant Solenopsis invicta Buren, has evolved sophisticated chemical communication systems that regulate the activities of the colony. Among these are recruitment pheromones that effectively attract and stimulate workers to follow a trail to food or alternative nesting sites. Alarm pheromones alert, activate, and attract workers to intruders or other disturbances. The attraction and accumulation of fire ant workers in electrical equipment may be explained by their release of pheromones that draw additional worker ants into the electrical contacts. We used chemical analysis and behavioral bioassays to investigate if semiochemicals were released by electrically shocked fire ants. Workers were subjected to a 120 V, alternating-current power source. In all cases, electrically stimulated workers released venom alkaloids as revealed by gas chromatography. We also demonstrated the release of alarm pheromones and recruitment pheromones that elicited attraction and orientation. Arrestant behavior was observed with the workers not electrically stimulated but near those that were, indicating release of unkown behavior-modifying substances from the electrically stimulated ants. It appears that fire ants respond to electrical stimulus by generally releasing exocrine gland products. The behaviors associated with these products support the hypothesis that the accumulation of fire ants in electrical equipment is the result of a foraging worker finding and closing electrical contacts, then releasing exocrine gland products that attract other workers to the site, who in turn are electrically stimulated.     

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。     

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.     

改进蚁群算法结合粗糙集原理用于入侵检测

提出一种基于蚁群-粗糙集原理的入侵检测方法。首先通过粗糙集对不确性数据进行筛选;再利用改进蚁群算法对数据进行约简,减少了计算时间;然后再根据设定的阀值,用蚁群-粗糙集导出规则得到检测结果。实验结果表明,改进蚁群算法数据约简速度高于利用遗传算法以及蚁群算法,该方法对DoS和Probe攻击具有很高的检测率和较低的误检率,并且对U2R和R2L攻击也有较好的检测率。     

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。