混沌粒子群算法及其在生化过程动态优化中的应用

化工过程的动态优化,大多较为复杂,有相当的难度.新近发展的粒子群优化算法,基于群智能机理,适于求解连续问题,但它不具备遍历特性,影响了全局搜索能力.本文拟引入混沌机制,以混沌变量的遍历性改进粒子群算法,使其更全面地获取目标函数的有用信息,并反映到逐代更新的个体极值和群体极值中,可更有效地带领粒子群移向最优解,提高了全局搜优效率.由此构建为混沌粒子群算法,经多个性能测试,表明其搜索能力优于经典粒子群算法,引入混沌机制是有效的.将其用于Park-Ramirez生物反应器补料流率的动态优化,也取得了满意的效果.

带有复形法局部搜索的粒子群算法求解最优控制问题

对最优控制问题的求解是实现计算机控制的前提条件,但有效地求出控制系统的全局最优解是困难的。现今各种求解此问题的算法需要增强算法的优化性能与简洁性。遗传算法求此类问题需要进行离散化;复形法、粒子群算法求解此类问题容易陷入局部极值。为此提出用带有复形法局部搜索的粒子群算法求解此类问题。此算法充分考虑粒子群算法与复形法的特性,将复形法的局部搜索与粒子群算法的全局搜索结合起来,以提高算法搜索能力,克服粒子群算法与复形法易陷局部极值的不足。通过性能测试效果良好,同时算法简便、可行、高效。最后将所提算法用于求解Park-Ramirez生物反应器补料流率的动态优化,取得了满意的效果。

粒子群复形法求解生物反应器的补料优化

动态系统优化是过程设计、操作及控制的一个重要课题,但有效地求出其全局最优解是困难的。现今各种算法求解此问题时需要增强算法的优化性能和算法的简洁性;而遗传算法求此类问题时需要进行离散化,本文为此提出用粒子群复形法求解此类问题。此算法是在充分考虑粒子群算法与复形法的特性,保持复形法的迭代机理,同时加入粒子群算法基本思想,再结合几何分点、梯度与信赖域等的基础上提出的;以克服粒子群算法与复形法易陷局部极值的不足。性能测试的结果表明:该算法简便、可行、高效;最后将所提出的算法用于Park-Ram irez生物反应器补料流率的动态优化,也取得了满意的效果。