重庆师范大学学报（自然科学版）
重慶師範大學學報（自然科學版）
중경사범대학학보（자연과학판）
JOURNAL OF CHONGQING NORMAL UNIVERSITY（NATURAL SCIENCE EDITION）
2013年
6期
128-133
,共6页
粒子群优化算法%自适应%重油热解模型%参数估计
粒子群優化算法%自適應%重油熱解模型%參數估計
입자군우화산법%자괄응%중유열해모형%삼수고계
particle swarm optimization algorithm%adaptive%heavy oil thermal cracking model%parameter estimation
通过构造一个合适的目标函数,将化工模型参数估计问题转化为一个多维数值优化问题,然后提出一种参数自适应调整和维变异的改进粒子群优化算法来求解该问题.该算法首先利用佳点集方法初始化种群以保证粒子的多样性.惯性权重和学习因子随进化过程自适应调整,从而协调算法的全局和局部搜索能力.为了避免算法陷入局部最优,对收敛度最小的维进行变异.几个标准测试问题的实验结果表明该算法具有较强的全局寻优能力.最后将改进粒子群算法应用到重油热解模型参数估计中,并与基本遗传算法(SGA)和粒子群优化算法(SPSO)进行比较.研究结果表明:本文得到的平均相对误差为5.62％,比SGA和SPSO分别低1.08％和0.50％.
通過構造一箇閤適的目標函數,將化工模型參數估計問題轉化為一箇多維數值優化問題,然後提齣一種參數自適應調整和維變異的改進粒子群優化算法來求解該問題.該算法首先利用佳點集方法初始化種群以保證粒子的多樣性.慣性權重和學習因子隨進化過程自適應調整,從而協調算法的全跼和跼部搜索能力.為瞭避免算法陷入跼部最優,對收斂度最小的維進行變異.幾箇標準測試問題的實驗結果錶明該算法具有較彊的全跼尋優能力.最後將改進粒子群算法應用到重油熱解模型參數估計中,併與基本遺傳算法(SGA)和粒子群優化算法(SPSO)進行比較.研究結果錶明:本文得到的平均相對誤差為5.62％,比SGA和SPSO分彆低1.08％和0.50％.
통과구조일개합괄적목표함수,장화공모형삼수고계문제전화위일개다유수치우화문제,연후제출일충삼수자괄응조정화유변이적개진입자군우화산법래구해해문제.해산법수선이용가점집방법초시화충군이보증입자적다양성.관성권중화학습인자수진화과정자괄응조정,종이협조산법적전국화국부수색능력.위료피면산법함입국부최우,대수렴도최소적유진행변이.궤개표준측시문제적실험결과표명해산법구유교강적전국심우능력.최후장개진입자군산법응용도중유열해모형삼수고계중,병여기본유전산법(SGA)화입자군우화산법(SPSO)진행비교.연구결과표명:본문득도적평균상대오차위5.62％,비SGA화SPSO분별저1.08％화0.50％.
