粒子群优化算法在配方设计中的应用

随着群体智能研究的兴起,粒子群优化(PSO,Particle Swarm Optimization)算法已经成为新的研究热点。该算法模仿鸟类和鱼类群体觅食迁徙中个体与群体协调一致的机理,通过群体最优方向、个体最优方向和惯性权重的协调来求解实数化问题。本文从粒子群优化算法的理论分析切入,阐述了PSO算法的基本原理、算法流程,提出用PSO算法来解决卷烟配方优化设计这类组合优化问题,并对其实际应用效果进行分析和验证。

遗传算法在配方优化中的应用

卷烟配方优化的主要任务是根据设计目标,有约束地优化求解,得到多组最佳或次佳烟叶组合比例。本文利用遗传算法,以烟叶理化成份与卷烟感官、烟气指标相关性为依据,确定约束条件设计优化模型以达到最低成本为目标,通过优化模型的运行来取得所需风格卷烟的最佳配比组合,同时能提前对设计出的叶组配方进行预估,实现对重点指标的重点控制,使设计更具科学性和合理性。

基于Fisher判别分析的烤烟感官质量与工业应用价值的关系研究

采用Fisher判别法对烤烟感官质量与其使用价值进行判别分析,结果表明:不同评吸指标所起的作用是不同的,香气质、杂气、余味、刺激性和浓度指标是影响工业可用性判定结果的主要因素,而劲头和香气量影响很小;采用Fisher判别模型进行判定,具有较高的判别正确率(>68%),其结果与实践经验基本吻合。