论文部分内容阅读
近年来，随着科学技术的发展，实际的优化问题变得越来越复杂。优化问题表现出了复杂性、约束性、非线性、多极小、建模困难等特点，因此常规的求解方法已很难适用。而大多数启发式方法，如进化算法、人工生命、模拟退火算法和禁忌算法等，都是从生物进化、统计物理和人工智能等领域发展而来，具有无集中控制、隐含并行性、全局搜索能力强等特点，成为解决复杂优化问题的有力工具。
本文选择差分进化和信息融合搜索算法为研究对象，研究其求解各类优化问题及应用，通过算法性能测试和与其它智能算法的对比总结出不足，继而提出了算法改进措施来改善算法性能。本文主要研究成果如下：
1.阐述和分析了信息融合搜索算法和差分进化算法的原理、参数设置、算法流程；重点研究了种群规模、阈值概率和信息获取和融合规则等关键参数对信息融合搜索算法性能的影响，并就如何选择合适的算法参数提出建议。
2.针对现有差分进化算法容易陷于局部极值，收敛速度慢和精度差等不足，提出了一种基于多种群混沌迁移策略的差分进化算法(CMMPDE)，该策略借鉴多种群算法“独立进化，信息交换”的思想.并利用混沌迁移的遍历性和随机性，提出了在种群个体异步迁移过程中，引入了混沌迁移序列引导个体迁移过程，保证了子种群之间能够进行充分高效的信息交换，避免迁移拓扑的选择问题。并将其运用于PID控制器参数整定，得到比常规PID控制更好的动态响应特性和稳态特性。
3.提出了一种基于灾变策略的差分进化算法(CDE)。该策略通过在进化过程中引入尖点灾变模型并适时进行灾变操作。通过灾变策略的引入，将机理转换与概率转换相结合，在随机的“自然进化”的进程中融合确定的“能动”因素，克服了差分进化算法的弱点。成功地应用于铯.铷，钒系低温硫酸催化剂上SO2催化氧化反应动力学模型的非线性参数估计。
4.提出了一种新的基于自适应levy变异的极值动力学和差分进化的混合算法(HEODE)。新算法将全局搜索和局部搜索机制有机地结合起来，利用差分进化强大的全局搜索功能和自适应Levy变异的极值动力学算法强大的局部搜索能力，协助DE跳出局部极值点。实验结果表明，这种算法具有很强的全局搜索能力。将其运用于加氢裂化装置第一分馏塔航煤干点神经网络软测量模型，结果表明，基于HEODE的软测量模型是可行和有效的。
5.提出了一种基于灾变策略的混合信息融合搜索算法(CHIFA)。该算法通过引入尖点灾变模型和灾变策略，采用突然增大阈值概率同时通过一种随机又有规律的Logistic序列引导智能体变异来创造有生命力的新个体，协助跳离局部极值。数值测试表明，基于灾变策略的混合信息融合搜索算法的寻优性能有明显提高，并成功地应用于重油热解模型参数估计。
6.针对基本IFA算法搜索方式存在的缺陷，从算法搜索方式的改进出发，提出了一种基于自适应Levy变异的极值动力学和信息融合搜索优化算法(EOIFA)，新算法将全局搜索和局部搜索机制有机地结合起来，利用极值动力学算法强大的局部搜索能力，协助IFA算法跳出局部极值点。测试函数仿真实验结果表明了所提出的混合优化方法的优化性能比基本IFA算法的优化性能有明显提高。并将其运用于超临界水氧化去除率神经网络软测量建模，实验结果表明了方法的有效性和实用性。