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。     

参数适应性组合差分进化算法

针对传统差分进化算法在进化后期容易出现早熟现象的问题，提出一种组合差分进化（Combined Differential Evolution,CDE）算法。该算法将多个变异策略组合，实现优势互补，并利用柯西分布适应性调整缩放因子，在维持种群多样性的同时加快收敛速度。为测试算法性能，利用12个基准测试函数将本文算法与传统差分进化算法比较。结果表明，本文算法具有较强的寻优能力。