基于精英克隆选择的粒子群优化算法研究与应用

被引:5
作者
年笑宇 [1 ]
王昕 [2 ]
王振雷 [1 ]
钱锋 [1 ]
机构
[1] 化工过程先进控制和优化技术教育部重点实验室(华东理工大学)
[2] 上海交通大学电工与电子技术中心
关键词
精英克隆选择; 粒子群(PSO); 变异;
D O I
10.16866/j.com.app.chem2012.01.002
中图分类号
TQ018 [数学模型及放大]; TP301.6 [算法理论];
学科分类号
080201 [机械制造及其自动化]; 083805 [警务大数据技术];
摘要
粒子群算法(PSO)是一种基于迭代的智能算法,具有较好的全局搜索能力,但局部搜索能力较弱。针对粒子群算法容易陷入局部最优不足这一问题,本文提出了一种精英克隆选择的方法。该算法在基本粒子群算法的基础上保留了种群中的若干个精英粒子,然后将这些精英粒子进行克隆复制,并将复制之后的粒子进行变异操作,再将变异之后的粒子与变异前的粒子进行亲和度的比较,保留下来亲和度提高的粒子并替换之前适应值较差的粒子,通过这种方式增强了种群的多样性,从而避免了粒子陷入局部最优的问题。此外,本文引入了新的改进惯性权重的机制,根据粒子位置和速度的情况自适应地改变惯性权重,这样避免了粒子盲目运动,更有针对性的寻找最优解。对4个高维复杂函数寻优测试,分别从平均精度和标准差这两方面进行分析,结果表明改进之后的算法在寻优精度和稳定性方面都超过了基本PSO,从仿真图像中可以看出改进之后的算法在迭代末期跳出了局部最优更接近全局最优值。最后将这种改进的算法应用到优化乙烯、丙烯的收率模型中,应用结果表明当裂解原料属性发生改变时,本文提出的算法可以很快完成对操作变量的寻优,显著提高了"双烯"收率。
引用
收藏
页码:5 / 9
页数:5
相关论文
共 5 条
[1]
基于改进PSO和DE的混合算法 [J].
易文周 ;
张超英 ;
王强 ;
许亚梅 ;
周金玲 .
计算机工程, 2010, 36 (10) :233-235
[2]
一种基于粒子群优化算法和差分进化算法的新型混合全局优化算法 [J].
栾丽君 ;
谭立静 ;
牛奔 .
信息与控制, 2007, (06) :708-714
[3]
智能微粒群算法研究及其应用.[M].吴启迪等; 编著.江苏教育出版社.2005,
[4]
Improved particle swarm optimization combined with chaos [J].
Liu, B ;
Wang, L ;
Jin, YH ;
Tang, F ;
Huang, DX .
CHAOS SOLITONS & FRACTALS, 2005, 25 (05) :1261-1271
[5]
Using selection to improve particle swarm optimization..Angeline P J;.Proceedings of 1998 IEEE International Conference on Evolutionary Computation.1998,