全局组搜索优化算法及其应用研究

组搜索优化算法GSO(Group Search Optimizer)是一种基于动物捕食原理的新型群智能优化算法。本研究提出了一种改进的GSO优化算法:全局组搜索优化算法GGSO(Global GSO)。主要在两个方面对GSO算法进行了改进,一是在迭代过程中引入加速系数,加快种群收敛速度,增强算法的局部搜索能力;二是用高斯函数来产生随机位置变异,扩大搜索空间,从而增强算法的全局搜索能力。经过11个无约束测试函数和3个带约束问题的测试及与其他文献的比较可知,GGSO算法具有较好的局部和全局搜索能力,并且能够解决复杂的实际问题。

面向单目标优化的集成粒子群算法

串行粒子群算法广泛应用于多个领域,出现了多个变种,但解决不同种类的优化问题时性能有差异。为提高串行粒子群算法对各种优化问题的适应能力,提出一种集成粒子群优化算法。新算法使用Matlab的单程序多数据并行结构发挥单节点多核计算能力,通过设置外部档案分享不同粒子群的全局最佳位置,促进不同串行粒子群算法之间的信息交流,综合利用不同串行粒子群算法在解决不同类型优化问题的优势。在广泛使用的测试函数集上开展仿真实验,结果验证了新算法的有效性,与多个知名的串行粒子群算法相比,新算法在寻优性能上优势明显。新算法不仅能够提高粒子群算法的适应能力,而且,所采用的算法框架也适应于其他群智能算法,改善了算法的性能。

模糊粗糙神经网络的结构与参数优化

基于模糊粗糙隶属函数,建立了一种五层结构的模糊粗糙神经网络(fuzzy rough neural network,FRNN),对神经元之间的连接,引入一个开关函数,从而把结构优化和参数学习问题转化为单纯的函数优化问题。提出一种混合智能优化算法(hybrid intelligent optimization algorithm,HIOA)用于FRNN的结构和参数优化,适应度函数同时考虑模型的精确性和网络的节俭性。典型的实验结果表明,FRNN适用非线性系统建模,相对于普通神经网络及其优化方法能获得更高的精度和泛化能力。

废弃印刷线路板热解表观动力学模型研究

在探讨废弃印刷线路板热解表观动力学模型时,提出采用蔡式温度积分式实现温度积分的解析解求解,避免了传统FWO温度积分近似式对温度积分展开式高阶项的省略,提高计算精度。采用Levenberg-Marqurdt优化非线性回归方法,运用1stOpt通用全局优化数值计算软件实现热解动力学三因子表观活化能、指前因子、反应级数等参数的求解。研究结果表明:①FR4型印刷线路板表观动力学三因子活化能为250.0 kJ/mol,指前因子为9.495×1019min-1,反应级数约为7.0;Teflon型印刷线路板表观动力学三因子活化能为183.42 kJ/mol,指前因子8.250×1010min-1,反应级数约为零。②Teflon型印刷线路板求解的热解模型与实验结果近乎完美性一致,FR4型线路板在主要热解温区内获得很好的预测结果。在失重率小于0.2之后的温度区域存在一定的偏差。