混合粒子交互微粒群算法

针对现有微粒群算法仅考虑单一一种引斥力规则使得其搜索能力存在的不足,考虑在不同搜索阶段采用不同的引斥力规则,提出搜索后期引力增强型混合引斥力微粒群算法(LAPSO算法)。利用拟态物理学中的引斥力规则使粒子保持多样性,提高算法的全局搜索能力;当进入到具有全局最优解的区域时,增强引力作用、减少斥力作用,利用比自身适应度好的粒子和全局最优解粒子的引力作用,提高算法的局部搜索能力。为进一步提高LAPSO算法的优化性能,将其与混合全连接型-环形拓扑结合,提出混合粒子交互微粒群算法(HIPSO算法)。通过6个Benchmark函数进行测试,结果表明,与现有的扩展-微粒群、微-微粒群、中值导向-微粒群等算法相比,所提的LAPSO算法、HIPSO算法具有较好的种群多样性,具有更好的寻优精度、收敛率和最优解搜索能力。结合文献[7]中的柔性流水车间调度离散优化实例和文献[20]中的超声振动加工工艺参数连续优化实例,验证了HIPSO算法的最优解搜索能力。

改进粒子群优化算法对反应动力学参数的估计

针对粒子群算法容易早熟,全局寻优效率偏低等缺点,在原有算法的基础上对粒子群优化算法的速度权重和更新机制进行分析,提出更有效的可直接反映粒子空间分布的分布矢量以调整粒子搜索进程,并通过粒子对最优粒子的跨越机制增强粒子的全局寻优能力。空间自适应粒子群优化算法(LAPSO)有机融合上述2种改进机制。通过对环辛二烯在球形粉状催化剂Pd/Al2O3上进行催化加氢反应的动力学分析,构建包含内、外效率因子的反应动力学模型。并根据所测实验数据,采用几种具有代表性的粒子群优化算法和LAPSO优化算法对相关动力学参数分别进行估计。参数估计的统计分析结果表明,LAPSO具有较强的全局寻优能力和较稳定的收敛特性,能够较好地用于解决化工中常见的非线性动力学参数估计问题。