改进的粒子碰撞算法及其在化工优化中的应用

化工优化问题往往较为复杂,传统的确定性优化方法容易陷入局部最优。粒子碰撞算法(PCA)是新近提出的一种随机全局优化算法,是模拟核反应时粒子与原子核碰撞发生的吸收和散射现象,设计成以扰动、探测、散射三种操作算子实现算法寻优,但全局寻优效率不高。通过分析PCA寻优机制,提出改进策略,包括设计多位交叉算子增加算法的交叉操作,以克服PCA缺乏协同进化机制的弱点;运用单纯形搜索改进探测算子,以增强局部寻优能力;采用交叉率自适应调整等,由此设计一种改进的粒子碰撞算法(MPCA)。Shaffer's F6函数和八维Alpine函数测试表明,MPCA的全局优化性能明显优于PCA和常规遗传算法(SGA)。将MPCA应用于L-异亮氨酸分批发酵动力学模型参数优化,结果满意。