和声搜索优化算法在油藏工程辅助历史拟合中的应用

基于对和声搜索优化算法(HSO)特点及其优越性的分析,将其应用于埃及苏伊士湾Amal油田Kareem油藏油藏工程辅助历史拟合中。HSO算法具有如下优越性:对解空间探索和开发能力之间的良好平衡使得算法具有鲁棒性和高效性;生成解的多样性由两个组件有效控制,更适用于油藏工程历史拟合这样的高度非线性问题;和声记忆库取值、微调和随机化3个组件之间的配合有助于找到无偏性解;算法实现过程简单。将HSO算法与油藏工程辅助历史拟合中2种常用的优化技术(遗传算法和粒子群算法)应用于3个不同复杂程度的油藏工程历史拟合问题——2个不同尺度的物质平衡历史拟合和1个油藏历史拟合,通过对比3种算法拟合效果验证了HSO算法的正确性和优越性。Kareem油藏历史拟合结果表明,在辅助历史拟合工作流中采用HSO算法作为优化方法可以显著提高拟合质量,缩短求解时间。

基于RUD的和声搜索算法求解作业车间调度问题

为了能更有效地解决作业车间调度问题,提出一种基于随机化均匀设计方法的和声搜索优化算法(RUDHS).首先,基于工序的编码方式,采用最大位置排序(LPV)规则实现了作业车间调度离散问题的连续编码,通过随机化均匀设计方法择优构造更加高质量的初始和声库.其次,在搜索过程中进行参数动态调整,每次迭代产生多个新解,充分利用和声记忆库的信息,以提高算法的全局搜索能力和收敛速度.最后,结合作业车间调度典型测试用例进行仿真实验,结果表明RUDHS较HS和GHS算法能够更高效地解决作业车间调度问题.

基于多目标和声搜索优化SVM的伺服电机滚动轴承性能退化评估

针对传统的支持向量机(SVM)算法参数往往根据经验设定,难以建立最优模型以准确地检测出伺服电机滚动轴承早期故障的问题,研究一种基于多目标和声搜索优化SVM的伺服电机滚动轴承性能退化评估方法。首先提取轴承振动信号的时域、时频域特征作为原始特征集,采用堆叠稀疏自编码器对原始特征集进行更深层次的特征提取,得到最终的特征向量。之后以轴承退化曲线的趋势性和单调性作为适应度函数,采用多目标和声搜索算法对SVM的参数进行优化,建立最优评估模型,得到轴承的性能退化指标。实验结果表明:该方法能准确地检测出轴承的早期故障,相比于传统的轴承SVM性能退化评估方法具备更好的趋势性和单调性。

融合和声搜索的混沌粒子群优化算法及工业应用

针对粒子群算法在优化过程中容易出现"早熟"现象,提出一种融合和声搜索及混沌的改进混合粒子群优化算法。混沌粒子群算法运行稳定,具有较好的鲁棒性和适应性。和声搜索算法是一种模拟乐队调音获得完美和声过程的元启发优化算法,具有较强的全局搜索性能。通过对4个标准函数的测试比较,结果表明:改进的融合和声搜索的混沌粒子群优化算法(chaos particle swarm optimization algorithm with harmony search,CPSO-HS)跳出局部最优位置能力强,收敛速度快,稳定性高。改进的CPSO-HS算法已成功应用于重油热解模型的参数估计。