论文部分内容阅读
作为求解复杂优化问题的有效方法,遗传算法从问世之日就受到了人们的关注。遗传算法是模拟达尔文的生物进化理论而产生的一类随机优化算法,具有较强的全局寻优能力和较好的通用性。但是,传统的遗传算法也存在着一些缺点和不足,例如算法局部搜索能力差、容易陷入局部极值等。受生物RNA分子的编码和操作启发,把RNA分子编码和操作方式与遗传算法相结合,本文对RNA遗传算法展开深入研究,并将所提出的RNA遗传算法用于化工过程的建模问题。本文的主要研究成果如下:(1)针对传统遗传算法的个体随进化不断趋同,易导致早熟收敛的现象,受生物界相似个体竞争排挤现象的启发,提出了一种基于相似剔除策略的RNA遗传算法。该算法采用了基于碱基的四进制编码方式,并用RNA置换操作和RNA颈环操作代替传统的交叉操作。在选择操作中,通过增加相似剔除规则来剔除相似个体,以达到提高种群多样性,避免早熟收敛的目的。通过5个典型无约束测试函数的寻优实验,验证了该算法在避免早熟收敛上的有效性。将该算法用于三个动态系统建模的参数估计问题,结果表明所建模型能较好地反映实际系统的动态特性。(2)受生物遗传信息表达过程的启发,提出了一种基于蛋白质特性RNA遗传算法。.模拟生物遗传信息表达过程中DNA分子先转录成RNA分子再翻译成蛋白质分子的过程,设计了RNA再编码操作和蛋白质折叠操作。通过对典型测试函数的计算结果表明,所设计的新的交叉操作使RNA遗传算法在搜索精度和稳定性方面都有较大的提高。将该算法用在重油加氢裂解建模的参数估计中,仿真结果验证了该算法的有效性。(3)针对传统遗传算法的变异概率取值的盲目性,提出了一种基于信息熵动态变异概率RNA遗传算法。该算法中每一代个体的每一位的变异概率是根据当前种群中个体该位碱基的分布情况来设定,可克服传统变异概率的设定与当前种群个体特性无关的弊端。通过对4个典型测试函数寻优验证了该算法的有效性。用该算法求解短期汽油调合优化调度问题,仿真结果表明,该算法能获得更大的调合利润。(4)受生物膜结构的启发,提出了一种基于膜结构的分层RNA遗传算法。该算法将RNA遗传算法嵌入膜系统中,2个膜子系统的RNA遗传算法的计算结果作为外部表层膜系统的RNA遗传算法的部分初始种群。针对具有约束的非线性测试函数的寻优结果表明,该算法具有满意的寻优精度。将该算法用于求解短期汽油调合优化调度问题,仿真结果表明,该算法得到的调合利润高于其它2种优化算法得到的结果。(5)提出了一种变搜索空间的RNA遗传算法。该算法根据进化过程中种群个体的分布情况,对搜索空间做出适当的调整以减小对无效空间的搜索。通过5个典型测试函数寻优实验验证了该算法的有效性。将该算法用于CSTR神经网络建模问题,仿真实验结果表明,用该算法优化得到的神经网络具有较高的拟合精度和较小的网络复杂度,较好的反映了实际系统特性。