收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

改进的粒子群优化算法研究及其若干应用

林蔚天  
【摘要】:化学工业在国民经济领域中始终占有极其重要地位,它不仅牵涉千家万户的日常生活,还影响着其它行业甚至国防等重要领域。由于现代化的化工过程存在着许多复杂性,而传统的优化方法已无法解决其中的诸多问题,因此智能的建模和优化方法倍受关注。本文针对合成氨、德士古气化以及甲醇合成等复杂的煤化工过程,研究了神经网络(NN)的智能建模方法以及粒子群优化算法(PSO)进化方法,并将提出的新方法应用于煤化工过程软测量建模。此外,还针对物流集配的组合实际问题提出了一种新的智能技术。本文的主要研究成果如下: (1)讨论了常见智能优化算法的分类和特点、粒子群优化算法及软测量建模的基本原理。着重介绍了粒子群优化算法的发展、算法改进和应用情况以及软测量技术的发展。回顾了合成氨、甲醇工业的发展现状、生产工艺及工作原理,并简述了企业内部物料配送过程特别是托盘集配问题,最后介绍了智能优化方法在这些领域的应用。 (2)为了克服粒子群优化算法(PSO)易于“早熟收敛”问题,提出一种自导式粒子群优化算法(Self-Government Particle Swarm Optimization,SGPSO)。在SGPSO中,粒子位置的更新不仅与粒子历史局部最优和粒子群全局最优的有关,而且与粒子在之前实验中所搜索到的局部最优位置信息有关,从而大大提高了算法的寻优能力。通过对典型测试函数的仿真结果表明,所提出的SGPSO和RSGPSO这2种新算法无论在收敛速度还是收敛精度上均优于标准PSO算法。将SGPSO和RSGPSO算法与BP神经网络结合,建立了基于SGPSO-NN的气化炉炉温软测量模型。模型结果表明,SGPSO-NN的测试误差较小,具有较强的泛化能力,能够满足实际生产中对气化炉炉温的测量要求。 (3)PSO的学习因子直接影响到算法的寻优能力,提出了学习因子的2种随机取值的调整方式:激进调整方式和保守调整方式,从而提出随机学习因子的PSO算法(RLFPSO)。为了进一步提高算法的性能,有效降低种群陷入局部最优的风险,提出了两类随机学习因子混沌粒子群优化算法(RLFPSOC1和RLFPSOC2)。两类算法分别在种群进化初期和后期引入混沌的遍历性特点,从而提高的算法的收敛速度和精度。通过经典函数来测试RLFPSO算法及RLFPSOC1和RLFPSOC2算法的性能,并和其它几种方法进行比较,结果表明RLFPSO算法优化经典连续函数的结果明显优于PSO算法;两种RLFPSOC算法的优化性能均较RLFPSO算法有了较大提升。最后,将基于RLFPSO和RLFPSOC的神经网络模型用于甲醇合成塔转化率的软测量建模,并与PSO-NN、 CenPSO-NN进行了比较。比较结果表明,基于RLFPSOC1-NN和RLFPSOC2-NN的甲醇合成转化率预测模型较其它几种方法具有更好的预测能力,能够较准确地估计甲醇合成塔的质量转化率。 (4)传统的粒子群算法存在较容易陷入局部极小点等缺陷。为改善算法性能,提出了一种新的粒子群优化算法——历史最优共享的粒子群优化算法(VSHBPSO)。 VSHBPSO算法的基本思想是粒子的更新不仅学习当前全局最优位置,而且向之前实验中搜索的全局历史最优位置学习。采用典型测试函数对VSHBPSO及其扩展形式VRSHBPSO、AVRSHBPSO进行仿真研究,并与标准PSO进行比较。仿真表明,基于历史最优共享的粒子群优化算法及其扩展算法对于低维、高维函数的优化问题均具有较好的适用性和有效性。同时。ARVSHPSO算法在3种改进PSO算法中的优化性能最好。将基于ARVSHPSO-NN的模型用于合成氨塔出口氨含量的估计,建立了相应的软测量模型。实验结果验证了其算法的可行性和有效性,可用于指导实际的生产过程。 (5)针对实际的物料集配问题,提出了一种新的物料分组托盘建模方式,并计算了物料集配问题的复杂度,提出了一种新的离散型粒子群优化算法。在离散PSO算法中,子代个体向个体历史最优、全局历史最优以及前次的全局最优个体学习,从而有效提高了算法性能。离散型PSO算法采用适用于托盘分组集配问题的0-1编码方式,并提出了几种个体互相学习的更新策略。为了验证算法解决物料集配问题的有效性,选取两个不同维数的实际问题进行模拟测试,找出了最优的集配方案。测试结果表明,相比于其它几种方法,提出的离散型PSO算法具有更好的寻优性能,可嵌入物流管理信息系统,对物料进行自动分组集配,实现制造业的快速物料集配。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 周云龙;何小斌;;基于PSO-LSSVR的环状流截面含气率软测量方法[J];化工自动化及仪表;2010年01期
2 吴庆洪;张颖;马宗民;;粒子群优化算法及其应用综述[J];微计算机信息;2010年30期
3 李丙春;;粒子群优化算法及其应用[J];喀什师范学院学报;2006年03期
4 刘彤彤;;基于小波网络的复杂系统建模方法研究[J];科技咨询导报;2007年11期
5 吴文珍;梁兴柱;房会军;马爱琴;;粒子群优化算法在管道保温优化设计中的应用[J];大庆石油学院学报;2007年03期
6 史海军;王志刚;郭广寒;;引入变异算子的粒子群优化算法[J];长春理工大学学报(自然科学版);2007年03期
7 郭伟;陈广义;;神经网络基于改进型粒子群算法的研究[J];佛山科学技术学院学报(自然科学版);2007年05期
8 关圣涛;楚纪正;邵帅;;粒子群优化算法在非线性模型预测控制中的研究应用[J];北京化工大学学报(自然科学版);2007年06期
9 林令娟;刘希玉;;动态自适应微粒群优化算法[J];信息技术与信息化;2009年02期
10 杨晓燕;;一种离散型多目标粒子群优化算法[J];莆田学院学报;2010年02期
11 赵建辉;张宪;李志勇;李良洪;付少波;;粒子群优化点匹配算法[J];微计算机信息;2010年15期
12 湛燕;陈昊;;使用粒子群优化算法学习聚类算法的参数[J];大众科技;2010年06期
13 周洪斌;;基于OpenMP求解QAP的并行粒子群优化算法[J];微型机与应用;2010年10期
14 贺晓春;;基于灰关联分析方法[J];微计算机信息;2011年01期
15 李炳宇;萧蕴诗;;新的进化计算算法——粒子群优化算法[J];计算机科学;2003年06期
16 李炳宇,萧蕴诗,汪镭;PSO算法在工程优化问题中的应用[J];计算机工程与应用;2004年18期
17 李辉,张安,赵敏,徐琦;粒子群优化算法在FIR数字滤波器设计中的应用[J];电子学报;2005年07期
18 刘玉敏,俞重远,张建忠,张晓光,杨红波,张娜,杨伯君;粒子群优化算法用于光纤布拉格光栅综合问题的研究[J];激光杂志;2005年04期
19 邹彤;李宁;孙德宝;岑翼刚;;带阴性选择的粒子群优化算法[J];华中科技大学学报(自然科学版);2006年02期
20 潘昊;侯清兰;;基于粒子群优化算法的BP网络学习研究[J];计算机工程与应用;2006年16期
中国重要会议论文全文数据库 前10条
1 王光辉;陈杰;潘峰;;多种群协同粒子群优化算法求解动态环境优化问题[A];第二十七届中国控制会议论文集[C];2008年
2 徐东;李晔;唐旭东;庞永杰;廖煜雷;;基于变异行为的自适应粒子群优化算法[A];中国自动化学会控制理论专业委员会A卷[C];2011年
3 李猛;王道波;甄子洋;;基于改进混合粒子群优化算法的模型最优降阶[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
4 陈志盛;李勇刚;;改进粒子群优化算法及其在磨削加工中的应用[A];第二十七届中国控制会议论文集[C];2008年
5 司维超;韩维;史玮韦;颜刚;;一种基于蜜蜂多群体觅食的粒子群优化算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
6 王群杰;齐美清;汪伟;李磊;;粒子群优化算法在波导高通滤波器设计中的应用[A];2011年全国微波毫米波会议论文集(上册)[C];2011年
7 马琰铭;;基于粒子群优化算法的晶体结构预测新技术及其在高压新结构研究中的应用[A];2011中国材料研讨会论文摘要集[C];2011年
8 文建辉;钟科军;唐丽娟;蒋健晖;;基于离散的粒子群优化算法结合主成分分析用于相似烟气样品的色谱区分[A];全国生物医药色谱学术交流会(2010景德镇)论文集[C];2010年
9 张翔;李纲;熊伟清;;修正AHP中判断矩阵一致性的粒子群优化算法[A];第二十九届中国控制会议论文集[C];2010年
10 陈定;牛宝君;何炳发;;和差分布的优化设计[A];2010年全国电磁兼容会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 林蔚天;改进的粒子群优化算法研究及其若干应用[D];华东理工大学;2014年
2 徐星;融合热运动机制的粒子群优化算法研究及其应用[D];武汉大学;2010年
3 戴运桃;粒子群优化算法研究及其在船舶运动参数辨识中的应用[D];哈尔滨工程大学;2010年
4 刘波;粒子群优化算法及其在机电设备中的应用研究[D];中北大学;2011年
5 傅阳光;粒子群优化算法的改进及其在航迹规划中的应用研究[D];华中科技大学;2011年
6 赵晶;量子行为粒子群优化算法及其应用中的若干问题研究[D];江南大学;2013年
7 张玮;粒子群优化算法研究及在阵列天线中的应用[D];太原理工大学;2010年
8 王大志;面向实际工程问题的粒子群优化算法应用技术的研究[D];东北大学;2009年
9 徐文星;混沌粒子群优化算法及应用研究[D];北京化工大学;2012年
10 李丹;粒子群优化算法及其应用研究[D];东北大学;2007年
中国硕士学位论文全文数据库 前10条
1 孙晶晶;粒子群优化算法的改进及其应用研究[D];陕西师范大学;2010年
2 王婧;基于粒子群优化算法的集群调度策略研究[D];中国石油大学;2011年
3 张新娟;改进粒子群优化算法及其在图像分割中的应用[D];陕西师范大学;2011年
4 刘煌;基于GA的改进粒子群算法研究及其在TSP上的应用[D];武汉理工大学;2010年
5 苗爱敏;基于动态特征的粒子群优化算法研究[D];云南大学;2010年
6 杨洋;基于粒子群优化算法的准循环LDPC码构造[D];北京交通大学;2011年
7 刘现;蛋白质结构预测的粒子群优化算法研究[D];福建农林大学;2011年
8 沈锡;基于粒子群优化算法的船舶航向PID控制[D];大连海事大学;2011年
9 方昕;粒子群优化算法在路径规划中的应用[D];陕西师范大学;2010年
10 马艳伟;基于粒子群优化的异构多处理器任务调度算法研究应用[D];杭州电子科技大学;2010年
中国重要报纸全文数据库 前10条
1 兴业期货 秦小坡;基于PSO算法的二维动量空间在股指期货上的应用[N];期货日报;2010年
2 徐用懋 熊智华;新技术提升过程测控能力[N];中国化工报;2005年
3 魏广利;反恐利器[N];中国国防报;2002年
4 本报记者 程鸿;把服务作成产品[N];计算机世界;2002年
5 赵国范;中荷联手生产甜菜种子[N];农民日报;2001年
6 ;EXFO 100G测试解决方案[N];通信产业报;2010年
7 ;看“大打”如何出手[N];中国计算机报;2001年
8 特约记者 王新;“南海奋进”号下水[N];中国船舶报;2001年
9 李宝华;中海油“流油” 造船人“解渴”[N];中国船舶报;2002年
10 林滨/中国船舶工业市场研究中心;韩造船目标全面锁定世界第一[N];中国船舶报;2002年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978