基于PSO算法的微生物间歇发酵动力学参数辨识

主要根据微生物间歇培养过程的特征、动态行为及实验数据,建立了能够更好反映间歇发酵过程的简化的多阶段参数辨识模型,然后证明了该模型中最优参数的存在性;最后结合模型特点构造了一种改进的粒子群优化（PSO）算法求得最优参数,并利用所得的参数进行过程仿真。结果表明该模型和算法大大减少了实验数据和计算数值之间的误差,能够更好地模拟微生物间歇发酵过程。     

基于差异演化算法和郭涛算法的文化算法

针对数值优化问题,对差异演化算法进行改进,获得多子差异演化算法。将多子差异演化算法和基于自适应搜索子空间的郭涛算法融合到文化算法的框架中,提出一种新的文化算法。实验结果表明,与多子差异演化算法、差异演化算法和基于自适应搜索子空间的郭涛算法相比,该算法收敛速度快,不易陷入局部最优,所得解的质量更好。     

一种非线性系统参数辨识算法

本文讨论一类非线性差分方程的参数辨识问题，借助于线性化方法，给出了一种称健的递推算法，该算法有选择地引入一些项目剔除另一些项，同时可以根据估计精度的要求自动地调整模型的阶数，从而尽可能地获取系统的精确模型。数值仿真结果证明了算法的有效性。     

差异演化算法应用问题研究

差异演化算法作为一种较新的演化算法,具有全局搜索能力强、控制参数少、算法简单、容易实现等特点,但在具体应用中仍面临着演化模式如何选择及最佳种群大小如何取值等问题。本文利用典型的五类多变量函数对差异演化算法常用演化模式进行了比较测试研究,给出了演化模式选择建议;在同时考虑种群大小对差异演化算法优化效率及优化结果两方面影响的情况下,利用测试函数对最佳种群大小的取值进行了研究,给出了差异演化算法用于多变量函数优化时种群大小的适用取值范围。     

改进粒子群算法优化微生物连续发酵过程

针对微生物连续发酵生产1,3-丙二醇动力学模型,以稳态时刻1,3-丙二醇的浓度最大化为目标函数,建立以注入甘油浓度和稀释速率为优化变量的优化模型。证明了该模型最优解的存在性。进一步,构造了改进的粒子群优化算法求解此优化模型。数值结果表明稳态时刻1,3-丙二醇的浓度比已有结果有显著提高。     

自适应调整控制参数的差异演化算法

控制参数选取是包括差异演化在内的演化算法设计时所面临的一个重要问题,对算法的性能有着重大影响.针对差异演化算法参数选取问题,提出一种利用个体适应度作为参数调整决策依据,并结合一定的调整概率对F和CR进行自适应调整的方法,解决了手工设置控制参数的不便.同时利用交叉操作生成双子代个体与父代个体竞争形成新一代种群,加快了算法的收敛.对标准测试函数的仿真实验结果表明,该算法无论在最优解质量和收敛速度上都优于相关算法,尤其对于高维函数而言.     

二进制差异演化算法及其应用

针对传统差异演化算法（Differential Evolution）无法求解采用二进制编码问题的缺点,通过引入“少数服从多数”原则,提出一种解决二进制编码问题的差异演化算法—二进制差异演化算法。5个测试函数和4个背包问题的仿真实验表明了文中提出算法在解决二进制编码问题上的有效性。     

基于混合遗传算法的时滞和参数的在线辨识

针对遗传算法应用于时变时滞和参数在线辨识时，存在无法兼顾收敛速度与辨识精度的缺点，提出一种遗传算法和单神经元有机结合的混合遗传算法。利用GA的全局最优性在整个空间搜索可能的极值，而用单神经元的误差梯度下降特性在极值点附近快速搜索，从而达到全局最优与快速搜索的有机结合，提高了收敛速度和辨识精度。并对混合遗传算法进行了改进，使之更适用于在线辨识。仿真结果表明，改进的混合遗传算法用于在线辨识有效且实用。     

混合差异演化算法求解多维背包问题

提出了一种求解多维0-1背包问题的混合差异演化算法,算法使用了两个主要的思想策略,即依据物品单位容积价值的高低选择物品的贪婪算法和基于二进制编码的差异演化算法。对10个测试算例进行了仿真试验,结果表明文章提出的算法可以快速找到这些测试算例的最优解,是求解多维背包问题的一种有效方法。     

应用退火演化算法辨识哈默斯坦模型

本文介绍了一种基于进化策略的新型模拟退火算法--退火演化算法,该算法将进化策略引入模拟退火算法中,通过变异和选择等步骤不断改善解的群体,而不是像传统的模拟退火算法那样仅仅采取单点迭代的方法。退火演化算法加强了对解的构成空间的整体把握,提高了搜索效率和精度,尤其对多峰函数具有良好的最优解搜索能力,并且具有较强的鲁棒性和灵活性。本文将其应用于哈默斯坦模型的参数辨识,仿真结果说明了该方法的有效性。     

混合CS算法的DE算法

为解决基本差分进化算法的缺陷,利用布谷鸟搜索（CS）算法寻优能力强的优点,在DE每次完成选择操作后,不直接进入下一次迭代,而是引入CS算法,继续进行搜索,这样就增加了粒子的搜索活力,从而得到一种新的差分进化算法。经过对6个标准测试函数的大量实验计算表明,该算法能有效克服DE算法的缺陷,使寻优精度有较大改进。将算法应用于求解非线性方程组问题,给出了数值算例。     

含两个参数的奇异摄动问题的差分进化算法

针对在Shishkin网格上数值求解含有两个参数的奇异摄动问题,在有限差分方法的基础上,将Shishkin网格过渡点参数选取问题转化成一个无约束优化问题,并采用差分进化算法进行求解。数值结果表明用差分进化算法得到最优Shishkin网格参数后,奇异摄动问题的数值解在边界层的精度得到了明显的提高,进一步说明了方法的有效性和可靠性。     

一个基于PSO和DE的杂凑全局优化算法

结合粒子群优化算法和差分进化算法思想提出了一个杂凑的全局优化算法——PSO-DE,通过对4个基准测试函数的实验测试,并与PSO和DE算法比较,证明新算法在低维（≤10维）搜索空间可以获得更高质量的解。     

多策略多参数并行差分进化算法

针对差分进化（DE）算法收敛早熟与计算效率不理想的问题,提出一种改进的差分进化算法。首先,在进化中同时并行多个策略与参数组合来提高个体多样性。其次,依据建立的评价指标自适应地调整组合来提高寻优效率。最后,把进化过程分为若干的子进程以避免前期优势组合不适应后期的问题。在10个标准测试函数上的实验结果表明,提出的算法与其他算法相比具有相对较好的性能。     

通用遗传算法估算化学及生化反应动力学参数

遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应的搜索方法。MATLAB通用遗传算法工具箱GAOT本着使用群体搜索技术,将种群代表一组问题的解,通过对当前种群施加选择、交叉和变异等一系列遗传操作,从而得到新的一代种群,并逐步使种群进化到包含近似最优解状态的原则,对苯热裂解脱氢反应及产赖氨酸分批发酵动力学模型参数进行了估算。与文献中已有的结果相比,模型计算值与实验值的吻合程度相似或更优。所用方法也可用于以微分方程组为数学模型的这类过程的参数估算或寻优,从而研究者可以更加集中注意力于深入解决与数学模型本身有关的问题。     

基于优进策略的新差分进化算法动力学模型参数的估计

为准确估计反应动力学参数,针对标准差分进化算法(DEA)全局寻优效率偏低的弱点,提出一种优进策略的差分进化算法(EDEA).它将确定性寻优的单纯形(SM)算子引入随机的DEA中.DEA将依概率调用SM寻优操作,测试结果表明,EDEA克服了DEA的缺点,比其它方法全局寻优性能好.该法成功的用于重油热解三集总动力学复杂数学模型的非线性参数估计,效果良好,结果有改进,显出EDEA的优越性.     

集成协方差矩阵自适应进化策略与差分进化的优化算法

不同智能优化算法在求解优化问题时通常表现出显著的性能差异.差分进化(DE)算法具备较好的全局搜索能力,但存在收敛慢、效率低的不足,协方差矩阵自适应进化策略(CMA–ES)局部搜索能力强,具备旋转不变性,但容易陷入局部最优,因此, DE和CMA–ES之间具有潜在的协同互补能力.针对上述问题,提出了一种集成协方差矩阵自适应进化策略与差分进化的优化算法(CMADE).在CMADE框架中, DE算法负责全局搜索, CMA–ES算法进行局部搜索.通过周期性解交换机制实现CMA–ES和DE两个算法间协同交互和反馈控制.在解交换时,从DE种群中选择优秀个体,利用CMA–ES算法在优秀个体周围进行局部搜索.同时在DE和CMA–ES的混合种群中,综合考虑解的多样性和最优性,选取一定比例的解作为DE算法的新种群进行全局搜索,实现全局搜索与局部搜索的动态平衡.将CMADE算法与CMA–ES, DE, SaDE, jDE, EPSDE, ACODE和SHADE算法在CEC2014标准测试集上进行比较实验.结果表明, CMADE整体性能显著优于其它比较算法.     

求解药代动力学参数的混合人口迁移算法

针对传统方法优化药代动力学参数时精度不高的缺陷,将Hooke-Jeeves算法与人口迁移算法有机融合,使两者取长补短,既提高了算法的精度,又加快了算法的收敛速度。将混合人口迁移算法用于血管外给药二室模型参数优化的实验之中,不仅比传统的残数法效果要好,而且比Hooke-Jeeves算法或人口迁移算法更优,精度更高。多次实验表明:算法具有良好的可靠性和稳定性,是一种较好的解决药代动力学参数的方法。