化学反应优化算法改进研究

针对化学反应优化算法冗余迭代、收敛速度慢的问题，提出了改进化学反应优化算法，该算法通过混合遗传算法，加入选择算子实现个体选择与种群精英保留，减少冗余迭代；通过运用高斯扰动增加邻域搜索活力避免陷入局部最优，此外，该算法通过并行进行不同参数下的多种群迭代进一步提高了算法的运行效率。实验结果表明，改进后的算法相较于基本化学反应优化算法不仅保留了强搜索能力，同时显著提高了收敛速度。     

一种改进粒子群算法及其在聚乙烯热分解动力学分析中的应用

随着计算机技术的发展，粒子群算法在聚合物的热分解动力学领域广泛应用。虽然粒子群算法可以实现全局寻优，但也存在收敛速度慢且易陷入局部最优解的缺陷。针对标准粒子群算法的缺陷，引入自适应惯性权重与加速常数对粒子群算法进行改进，提出一种动态自适应粒子群算法（DAPSO），并进行6个测试函数的仿真实验。结果表明：DAPSO算法比MPSO及MeanPSO算法收敛速度更快且精度更高。将DAPSO算法与Kissinger法结合得到了K-DAPSO算法，分别利用DAPSO算法与K-DAPSO算法结合聚乙烯DTG曲线，对两步平行反应模型进行参数反演。K-DAPSO算法较DAPSO算法能够更快收敛到最优解。提出的两步平行反应模型能够准确描述聚乙烯热失重曲线复杂的多峰结构。     

IDEAL算法在非稳态两相流问题中的性能分析

对于非稳态两相流问题,联立求解连续性方程和动量方程最为广泛使用的方法为：分步方法和SIMPLE系列算法。分步方法的优点是：收敛速度快,缺点是：初值问题条件稳定。SIMPLE系列算法优点是：初值问题绝对稳定,缺点是：收敛速度慢。为了克服传统的SIMPLE系列算法收敛速度慢这一缺点,本文引入了IDEAL算法。本文通过2个非稳态的两相流问题对SIMPLER和IDEAL两种不同算法在收敛速度方面进行了比较。通过比较可以看出IDEAL算法的收敛速度较SIMPLER算法得到了大幅提高,提高了约6~87倍,克服了传统SIMPLE系列算法收敛速度较慢的缺点,同时具有了初值问题绝对稳定和收敛速度快这两个优点。     

一种新的并行遗传算法应用研究

针对传统粗粒度并行遗传算法容易早熟并且收敛速度较慢的不足，提出一种新的并行遗传算法。新算法采用了一种基于相对平均适应度的动态调整迁移率的方法及时增加了其它岛屿到相对平均适应度较高的岛屿的迁移率，从而有效的增加了种群的多样性，抑制了早熟现象，提高了最优解的质量。同时，提出了一种存活期的计算方法，对直接迁入每个岛屿中的个体计算存活期并淘汰年龄超过存活期的个体，控制了岛屿的规模，增强了算法的收敛性能，加快了收敛速度。将提出的改进算法用Muth and Thompson基准问题测试，验证了该算法的有效性。     

催化蒸馏选择加氢的数学模型和模拟

在SHBWR汽液平衡方程、幂函数型动力学方程的基础上，假定每个催化床层为－全混流反应器，建立了碳三催化蒸馏选择加氢数学模型，利用二阶P－K算法进行收敛计算。提出了给反应速率方程添加收敛引子，结合“向上逐层累加”法使模型收敛的方案。     

融合灰狼优化算法在工控系统入侵检测中的应用

针对当前工控系统中数据体量大、维度高的特点，提出了一种融合随机黑洞(random black hole, RBH)策略的灰狼优化(grey wolf optimization integrated random black hole, RBHGWO)算法。该方法在更新下一代灰狼位置时，模拟黑洞的吸引方式，让狼群中的个体能够更快地向着当前全局最优解移动，增强了算法的收敛速度；同时个体以随机策略被黑洞吸引，保持了算法的局部搜索能力。通过优化算法测试函数验证，RBHGWO算法与粒子群优化(particle swarm optimization, PSO)算法、随机黑洞粒子群优化(particle swarm optimization integrated random black hole, RBHPSO)算法、GWO算法和优胜劣汰的灰狼优化(survival of fitness grey wolf optimization, SFGWO)算法进行了实验对比。结果表明，RBHGWO算法具有较快的收敛速度和较好的寻优精度。同时以田纳西-伊斯曼(Tennessee-Eastman, TE)数据集为基础进行仿真实验，结果表明该算法应用于在工控系统入侵检测的特征选择中，其收敛精度、迭代速度以及稳定性都有明显优势。     

基于神经网络的多效并流蒸发过程的模拟方法

本文提出一种基于神经网络的多效并流蒸发过程的模拟以及优化算法，并以一简单三效并流蒸发过程为例，详细阐述了神经网络模拟算法的具体步骤。该算法具有对初始值要求不高、收敛速度快，全局收敛性好的特点。     

多策略果蝇优化算法及其应用

针对果蝇算法容易陷入局部极值、收敛速度慢和收敛精度低的问题,基于粒子群优化算法中社会认知因子和差分演化算法的变异算子,提出了一种多策略果蝇优化算法(SFOA)。对于味道浓度值劣于平均味道浓度的个体,采用社会认知变异因子产生下一代个体,加快收敛速度。对于味道浓度值优于平均味道浓度的个体,引入差分向量,提高算法跳出局部极值的能力。经过8个测试函数的仿真实验对比,SFOA具有更好的全局搜索能力、更快的收敛速度和更高的收敛精度。最后,将改进后的果蝇算法运用到GE气化炉操作优化中,以有效合成气产率最大化为优化目标,氧煤比和水煤浆浓度为决策变量,结果表明,SFOA能够快速找到最优值,证明了多策略果蝇优化算法的有效性。     

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。     

B－P神经网在线学习算法收敛准则

本文通过理论推导和函数仿真实验，提出了一个Ｂ－Ｐ网在线学习算法的收敛准则。     

热力学状态方程的几种数值求解方法

给出了4种热力学状态方程求摩尔体积的求解算法,讨论了这些算法的数学原理、收敛特性和具体迭代格式,并以Peng-Robinson方程为例进行了具体计算和比较。主要结论:简单迭代法收敛稳定但收敛速度慢;Aitken-Steffensen方法简单、稳定且和Newton方法具有相同的二阶收敛;Newton方法速度较快但算法比较复杂,需要计算导数;加速Newton方法速度最快但最复杂。推荐优先使用Aitken-Steffensen方法,其次是加速Newton方法。     

基于Alopex的进化算法及其在乙炔加氢反应器建模中的应用

分析进化优化算法的共性,参考Alopex优化思想提出一种新的进化优化算法.给出该算法的具体步骤,将该算法与标准粒子群算法、遗传算法和差分算法在性能上做了仿真时比,并将其应用于乙炔加氢反应器出口乙炔浓度软测量的建模中.这种新的优化算法具有全局收敛能力,并具有较快的收敛速度.对典型函数的测试和基于神经网络的软测量建模表明:新算法具有较强的全局搜索能力,特别是对易于陷入局部最优的多峰函数能够有效地避免早熟收敛问题.     

全局群搜索优化算法及其在汽油调合中的应用

汽油调合配比生产优化是一种非线性约束的多峰优化问题。针对一般群智能优化算法在解决此类优化中易陷于局部最优解,提出了一种改进的群搜索优化算法--全局群搜索优化算法（GGSO）。该算法采用混沌机制初始化粒子在解空间内均匀分布;在算法前期,保留GSO的追随者进化策略,以保证算法的收敛速度。在算法后期,对追随者引入速度更新和个体最优,以保证算法的收敛精度;在粒子陷入局部极值时,对追随者和游荡者引入一种新的交叉、变异机制和自适应混沌扰动机制,以保证粒子跳出局部极值,提高算法全局寻优性能。分别用4个标准测试函数对优化算法进行测试,结果表明：GGSO算法与标准GSO、线性递减惯性权重粒子群算法（LDWPSO）比较,收敛速度和全局寻优性能有明显优势。汽油在线调合优化实例应用表明：该算法有较快的收敛速度,能够较准确地寻得全局最优。     

混合蚁群算法及其在裂解深度建模中的应用

设计了一种新的混合蚁群算法,该算法以一种新的二进制蚁群算法为基础,混合PBIL算法及遗传算法的交叉操作和变异操作,从而大大提高了种群的多样性及算法的收敛速度,改善了全局最优解的搜索能力。通过函数优化测试表明该算法具有良好的收敛速度和稳定性,同时将该算法应用到裂解炉裂解深度的神经网络软测量建模中,取得了很好的应用效果。     

基于改进粒子群算法的变压器故障诊断研究

针对基本粒子群算法存在收敛慢、易陷入局部极值的缺点,分析了粒子群算法中惯性权重和加速因子的作用,对其作了修改,并用改进后的粒子群算法训练神经网络,应用在变压器故障诊断上。仿真结果表明:改进后的粒子群算法迭代次数少,收敛速度比改进的BP算法快,可以对变压器的故障类型进行区分。     

免疫算法在焦化装置软测量中的应用

提出了一种自适应免疫算法，其很好地解决了原始免疫算法中收敛精度低和寻优速度慢的缺点。通过对比分析标准测试函数的计算结果，自适应免疫算法的优良性得到充分地证明。然后，免疫算法被用于优化BP神经网络的结构和参数。结果表明，不但网络结构得到较好地控制，而且泛化性能也有较大地提高。最后，算法在优化神经网络上的有效性也在焦化装置精馏塔汽油干点软测量建模中得到很好地证实。     

改进鲸鱼优化算法及其在渣油加氢参数优化的应用

针对智能优化算法在处理非线性优化问题中存在的容易陷入局部最优和收敛精度差等问题,提出了一种基于结合差分进化和精英反向学习的改进鲸鱼算法（DEOBWOA）。该算法引入对立搜索初始化、精英反向学习,并结合差分进化进行变异修正,显著有效地提高WOA算法的收敛精度和收敛速度,提高其跳出局部最优的能力。之后采用8个标准测试函数进行仿真实验,结果表明：DEOBWOA算法与标准WOA、HCLPSO、DE算法相比,全局搜索能力和收敛速度都有较大提升。最后建立了渣油加氢动力学模型,考虑到渣油加氢过程中存在诸多典型的非线性约束问题,以某炼化厂渣油加氢装置为例,应用DEOBWOA对渣油加氢反应动力学模型参数进行优化,结果表明该算法能较好地处理实际工程优化问题。     

改进鲸鱼优化算法及其在渣油加氢参数优化的应用

针对智能优化算法在处理非线性优化问题中存在的容易陷入局部最优和收敛精度差等问题,提出了一种基于结合差分进化和精英反向学习的改进鲸鱼算法(DEOBWOA)。该算法引入对立搜索初始化、精英反向学习,并结合差分进化进行变异修正,显著有效地提高WOA算法的收敛精度和收敛速度,提高其跳出局部最优的能力。之后采用8个标准测试函数进行仿真实验,结果表明:DEOBWOA算法与标准WOA、HCLPSO、DE算法相比,全局搜索能力和收敛速度都有较大提升。最后建立了渣油加氢动力学模型,考虑到渣油加氢过程中存在诸多典型的非线性约束问题,以某炼化厂渣油加氢装置为例,应用DEOBWOA对渣油加氢反应动力学模型参数进行优化,结果表明该算法能较好地处理实际工程优化问题。     

预测共沸物的同伦-牛顿联合方法

为了更有效地预测共沸系统,文内提出了同伦-牛顿联合算法,首先利用具有全局收敛性的同伦算法产生较好的初值,然后利用收敛速度快的牛顿算法求解共沸方程。应用联合方法预测了多个二元和三元非理想性物系的共沸点,结果表明,同伦-牛顿联合方法有较大的收敛范围,较高的迭代过程稳定性,较快的收敛速度。     

遗传算法在过程综合混合整数非线性规划中的应用

针对过程综合混合整数非线性规划问题提出了一种混合遗传算法，该算法对整数变量进行编码，而对连续变量则采用连续化遗传算子进行处理，使得算法与原问题的对应更加自然，也更有效。另外，还针对常见的提前收敛或局部最小现象提出几种算子，实例表明本算法具有较强的全局优化能力。相对于传统遗传算法具有速度快、精度高、可操作性强等特点。