论文部分内容阅读
蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)自提出以来,引起学者的广泛关注,并在部分工程领域得到了成功的应用。SFLA算法在解决高维问题时收敛速度较为缓慢且容易陷入局部最优,为了改善SFLA算法的搜索性能,本文通过对其内部寻优结构分析,提出了几种改进的SFLA算法,并应用于氧化还原电位(Oxidation Reduction Potential,ORP)预测以及作业车间调度优化问题中。本文的主要研究工作如下:1)为了提高SFLA在求解高维问题时的收敛速度以及避免陷入局部最优,提出了基于局部寻优策略改进的ISFLA(Improved Shuffled Frog Leaping Algorithm)和与教学算法(Teaching-Learning-Based Optimization Algorithm)相结合的TLBO-SFLA两种改进算法。在ISFLA算法的寻优过程中,分别引入混沌序列对种群初始化,扩大了初始种群的搜索范围;引入粒子群的局部更新策略,加强了种群内部的信息交流;引入反向学习,增加了算法搜索后期解的多样性,降低了陷入局部最优的概率。在TLBO-SFLA算法中,则是将每个子种群看作一个班级来进行学习,最优个体“老师”通过“教”的方式提升班级的整体水平,学生之间的相互学习过程可以更好的实现差异化学习。选取测试函数对所提两种改进算法进行测试,实验结果表明所提改进算法收敛速度更快寻优精度更高。2)ORP作为细菌活性的重要评价指标,对ORP的精准预测有利于实现对氧化提金过程关键参数的及时调控。为了实现ORP的预测,建立了支持向量回归机模型对ORP进行预测,并选用改进的蛙跳算法对预测模型的关键参数进行优化,以达到较高的预测精度。选取新疆某金矿的实际生产数据建立预测模型,结果表明,基于改进蛙跳算法优化的支持向量回归机ORP预测精度更高。3)提出了可用于求解作业车间调度优化的基于工序编码的OSFLA(Optimized Shuffled Frog Leaping Algorithm)算法,选取标准的调度问题进行仿真测试,实验结果表明,OSFLA算法不仅可以求出最优解,而且搜索速度更快。