高校化学工程学报
高校化學工程學報
고교화학공정학보
JOURNAL OF CHEMICAL ENGINEERING OF CHINESE UNIVERSITIES
2009年
2期
326-332
,共7页
多目标蚁群算法%免疫机制%Pamo最优集%间歇反应器%动态优化
多目標蟻群算法%免疫機製%Pamo最優集%間歇反應器%動態優化
다목표의군산법%면역궤제%Pamo최우집%간헐반응기%동태우화
含路径和终端约束的动态多目标优化是过程系统工程的一个重要研究方向,难度较高.传统蚁群算法仅适于离散问题,今采用混合正态分布描述信息素分布,并设计相应的解构造操作,使之拓宽至连续优化问题.通过对目标函数和约束矩阵的非劣捧序,确定解的等级,用以克服传统约束处理方法的局限性.借鉴了免疫系统的浓度概念,将其与解的等级结合,共同确定解的适应度,有助于保持种群的多样性.在更新信息素时将利用外部优解库和种群信息,可加快收敛速度.基于拥挤度距离更新外部优解库可更均匀地逼近Pareto最优解集.由此构建了一种基于免疫机制的多目标蚁群算法(Immune Mechanism based Multi-Objective Ant Colony Algorithm,IM-MOACA),并用于间歇反应器的动态多目标优化问题,效果良好,显示出较强的全局优化性能,能以较快的速度逼近真实的Pareto最优前沿,可为用户进行合理的决策分析提供有效的支持.
含路徑和終耑約束的動態多目標優化是過程繫統工程的一箇重要研究方嚮,難度較高.傳統蟻群算法僅適于離散問題,今採用混閤正態分佈描述信息素分佈,併設計相應的解構造操作,使之拓寬至連續優化問題.通過對目標函數和約束矩陣的非劣捧序,確定解的等級,用以剋服傳統約束處理方法的跼限性.藉鑒瞭免疫繫統的濃度概唸,將其與解的等級結閤,共同確定解的適應度,有助于保持種群的多樣性.在更新信息素時將利用外部優解庫和種群信息,可加快收斂速度.基于擁擠度距離更新外部優解庫可更均勻地逼近Pareto最優解集.由此構建瞭一種基于免疫機製的多目標蟻群算法(Immune Mechanism based Multi-Objective Ant Colony Algorithm,IM-MOACA),併用于間歇反應器的動態多目標優化問題,效果良好,顯示齣較彊的全跼優化性能,能以較快的速度逼近真實的Pareto最優前沿,可為用戶進行閤理的決策分析提供有效的支持.
함로경화종단약속적동태다목표우화시과정계통공정적일개중요연구방향,난도교고.전통의군산법부괄우리산문제,금채용혼합정태분포묘술신식소분포,병설계상응적해구조조작,사지탁관지련속우화문제.통과대목표함수화약속구진적비렬봉서,학정해적등급,용이극복전통약속처리방법적국한성.차감료면역계통적농도개념,장기여해적등급결합,공동학정해적괄응도,유조우보지충군적다양성.재경신신식소시장이용외부우해고화충군신식,가가쾌수렴속도.기우옹제도거리경신외부우해고가경균균지핍근Pareto최우해집.유차구건료일충기우면역궤제적다목표의군산법(Immune Mechanism based Multi-Objective Ant Colony Algorithm,IM-MOACA),병용우간헐반응기적동태다목표우화문제,효과량호,현시출교강적전국우화성능,능이교쾌적속도핍근진실적Pareto최우전연,가위용호진행합리적결책분석제공유효적지지.
