论文部分内容阅读
本文主要探讨了PSO优化算法和DNA计算的结合,将两者的优势和特点有机的结合起来,形成了较新的混合优化算法,并通过测试函数以及软测量建模中应用,得出其较好的优化结果。
本文主要成果有以下两个:提出了一种DEA与PSO相结合的混合算法,即用DEA算法来对PSO中的适应值较差的粒子群进行重组和优化。将此混合算法与PSO算法同时用于一些常见的测试函数的优化问题,通过与PSO算法对比表明,DEA-PSO混合算法的优化效果更佳。随后用DEA-PSO混合算法训练神经网络,并将其用于丙烯腈收率软测量建模,结果显示了该混合算法在丙烯腈软测量建模中的可行性与有效性;将PSO算法与ScGA(扩散式遗传算法)相结合,提出ScGA-PSO优化算法。通过对4种常用的测试函数进行优化和比较,结果表明ScGA-PSO性能相比较于PSO有明显的提升,且更容易找到最优解。然后将ScGA-PSO用于延迟焦化装置主分馏塔汽油干点软测量,建立基于ScGA—PSO的粗汽油干点神经网络软测量模型,通过与实际工业数据对比,表明该模型具有较高的精度、较好的性能和广阔的应用前景。