连续约束蚁群优化算法的构建及其在丁烯烷化过程中的应用

经典蚁群系统只适用于离散问题,缺少处理约束的专门机制.基于蚁群觅食的生物学行为,以搜索最优食物源为目标,将约束纳入食物源优劣评价的启发式规则,采用成群募集和海量募集两种方式,并辅以局部搜索,以此引导蚁群寻找可行域中的最优解,构建为适用于连续约束优化问题的蚁群系统(constrainedantcolonysystem,CACS).测试实例表明,CACS具有良好的适用性及全局优化性能,将它应用于丁烯烷化过程的约束优化,取得了令人满意的结果.

基于AEA算法的自适应惩罚函数求解约束优化及其在丁烯烷化过程的应用

提出了一种基于AEA算法处理约束问题的自适应惩罚函数法。该算法通过统计迭代种群中个体对每个约束条件违反的次数,判定各约束的强弱地位,动态自适应地调整各个约束的惩罚系数,对于强约束给予较大的惩罚系数。同时对目标函数做出了相适应区分修改,使得可行解和不可行解的目标函数值出现一定的区分,目标函数项和惩罚项趋于平衡,避免了惩罚力度过大或过小,有利于算法前期快速进入可行解区域,后期寻找最满意解。通过标准测试函数试验结果与DE+AMP、SSaDE算法进行比较,表明了提出的方法具有良好的适用性以及全局优化性能,将该方法应用于丁烯烷化过程的约束优化,取得了令人满意的结果。