已阅读5页,还剩70页未读, 继续免费阅读
(化学工程专业论文)对粒子群算法的改进及应用.pdf.pdf 免费下载
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
浙江大学硕士学位论文 摘要 优化是化工生产中经常碰到的问题,其目的是找到问题的最佳参数使目标函 数达到最小或最大。而在化工模型的建立过程当中,经常需用到各种优化方法。 常规的优化问题通常采用局部搜索方法,它们有一个共同的特点就是通过迭 代来提高问题域中唯一的候选解。这就决定了常规方法只能适用于可能解不是非 常大的且定义非常明确的问题。而现实中的问题通常都有很大的搜索空间,同时 这些问题的定义也不是非常的明确,因此采用常规的方法要么是解的精度,要么 是执行的时间,总是不能令人十分满意。 基于种群的优化算法在解决现实问题时展现出强大功能,他们可在合理的时 间内逼近问题的最优解。粒子群优化算法( p s o ) 是k e n n e d y 和e b e r h a r t 源于对 鸟群、鱼群和人类社会行为的研究而提出的一种新寻优技术。p s o 兼备进化算法 和群智能的特征,已经在数值优化问题中表现出非同寻常的求解能力,从而成为 进化寻优算法研究的热点之一,其主要特点为简单且不需领域知识。与其他进化 算法类似,它也需要一个群体,每个个体称之为粒子。粒子通过自身和群体的最 优位置来更新其位移和速度,从而在解空间移动。但是,粒子群优化算法仍存在 易陷入局部最小、且搜索精度不高等缺点。 在本文中,对p s o 算法的拓扑结构进行了探讨,指出局部模型和冯- 诺以 曼模型是两种较优的拓扑结构,在今后的应用中,值得进一步的推广。针对p s o 局部搜索能力较差,提出一种混合优化算法研究,将模式搜索算法嵌入到p s o 算法当中,充分利用p s o 的全局搜索能力和模式搜索的局部搜索能力,同时在 搜索过程中加入了变异操作来增加种群多样性,以避免早熟收敛的缺点。之后把 这种混合算法应用到了流化催化裂解的初始工作条件的优化当中。在科学研究和 工程实践中,许多优化问题都带有一定的约束条件,因此本文最后提出了求解约 束优化问题的一种改进的p s o 算法。 关键词:局部搜索、粒子群、混合算法、应用、约束优化问题 浙江太学硕士学位论文 a b a t r a c t m a n yc h e m i c a le n g i n e e r i n gp r o b l e m si n v o l v et h eo p t i m i z a t i o no fas e to f p a r a m e t e r sw i t ht h ea i mo fm i n i m u mo rm a x i m u mt h eo b j e c t i v ef u n c t i o n f u r t h e r m o r e i ti sr e q u i r e dm a n yo p t i m i z a t i o na p p r o a c h e si nt h ep r o c e s so fm o d e l i n g t r a d i t i o n a l l y ,s o l u t i o n s t o o p t i m i z a t i o np r o b l e m s a r eo f t e f f u s i n g e i t h e r p r o b l e m - s p e c i f i ch e u r i s t i c s o rv a r i a n t so ft h el o c a l s e a r c hm e t h o dt h a t i t e r a t i v e l y r e f i n e sa s i n g l ec a n d i d a t es o l u t i o nt ot h ep r o b l e m u n f o r t u n a t e l y , t h et r a d i t i o n a l m e t h o d sa r en o tr o b u s tw i t hr e s p e c tt o p r o b l e m - t y p ea n do f t e no n l yw o r ko n w e l l _ d e f i n e dp r o b l e m sw h e r et h en u m b e ro fp o s s i b l es o l u t i o n si sn o tt o ol a r g e a sa c o n s e q u e n c e ,t h e yo f t e nf a i le i t h e ri nt e r m so fc o m p u t i n g - t i m eo rq u a l i t yo ft h ef o u n d s o l u t i o no ni n t e r e s t i n gr e a l w o r l dp r o b l e m st h a tu s u a l l yh a v eal a r g es e a r c hs p a c e ,a n d n e i t h e ri sw e l l d e f i n e d p o p u l m i o n b a s e do p t i m i z a t i o na l g o r i t h m s h a v e s h o w n c a p a b i l i t i e s o f a p p r o x i m m i n go p t i m a ls o l u t i o n st ot h e s er e a l - w o r dp r o b l e m sw i t h i nar e a s o n a b l e a m o u n to ft i m e t h eb e s tk n o w no ft h e s ea l g o r i t h m sa l et h eg e n e t i ca l g o r i t h m ( g a ) a n da n tc o l o n yo p t i m i z a t i o n ( a c o ) a l g o r i t h m g ai s i n s p i r e db yn a t u r a le v o l u t i o n , a n dt h ei n s p i r i n gs o u r c eo fa c oi st h eb e s tp h e r o m o n et r i a ll a y i n ga n df o l l o w i n g b e h a v i o ro fr e a la n t sw h i c hu s ep h e r o m o n e sa sac o m m u n i c a t i o nm e d i u m g ai so n e o ft h e e v o l u t i o n a r ya l g o r i t h m s w h i l ea c ob e l o n g st ot h es w a r mi n t e l l i g e n c e a l g o r i t h m s p a r t i c l es w a r mo p t i m i z a t i o n ( p s o ) a l g o r i t h mw a sd e v e l o p e db yk e n n e d ya n d e b e r h a r ti n19 9 5 ,w h i c hh a so b v i o u st i e sw i t hb o t he v o l u t i o n a r yc o m p u t a t i o na n d s w a r mi n t e l l i g e n c e t h eu n d e r l y i n gm o t i v a t i o nf o rt h ed e v e l o p m e n to fp s o a l g o r i t h m w a ss o c i mb e h a v i o ro f a n i m a l ss u c ha sb i r df l o c k i n g ,f i s hs c h o o l i n g ,a n ds w a r m t h e o r y p s oi ss i m i l a rt og ai nt h a tt h es y s t e mi si n i t i a l i z e dw i t ha p o p u l a t i o no fr a n d o m s o l u t i o n s ,a n dt h ep o t e n t i a ls o l u t i o n s ,c a l l e dp a r t i c l e s ,a r et h e n “f l o w n t h r o u g ht h e v 浙江大学硕士学位论文 p r o b l e ms p a c e e a c hp a r t i c l ek e e p st r a c ko fi t sc o o r d i n a t e si nt h ep r o b l e ms p a c ew h i c h a r ea s s o c i a t e dw i t ht h eb e s ts o l u t i o n si th a sa c h i e v e ds of a ra n do b t a i n e ds of a rb ya n y p a r t i c l e si nt h ep o p u l a t i o n t h ea t t r a c t i v ec h a r a c t e ro fp s oc o n c e p ti sq u i t es i m p l ea n d e a s yt oi m p l e m e n t a l t h o u g h ,a tt h et i m eo fw r i t i n gt h i sd i s s e r t a t i o n ,p s oh a sb e e n d e v e l o p e da r o u n df o rt e ny e a s ,m a n ya s p e c t sr e q u i r e dt o b ef u r t h e ri n v e s t i g a t e d w h a t e v e rt h e o r yo rp r a c t i c e i nt h i sw o r k ,a l lh y b r i dp a r t i c l es w a r mo p t i m i z a t i o n ( h p s o ) w a sp r o p o s e d , w h e r et h eh o o k e j e e v e sp a t t e r ns e a r c hi sc o m b i n e dt op s ot os p e e du pt h el o c a l s e a r c h ,a l s om u t a t i o no p e r a t i o ni se m b e d d e dt oa v o i dt h ec o m m o nd e f e c to fp r e m a t u r e c o n v e r g e n c e t w ot h r e s h o l d sw e r ea d o p t e dt ob a l a n c et h ee x p l o r a t i o na n de x p l o i t a t i o n a b i l i t i e s t h ep e r f o r m a n c eo fn e wa l g o r i t h mw a sd e m o n s t r a t e dt h r o u g he x t e n s i v e b e n c h m a r kf u n c t i o n sa n dc o m p a r e dw i t ht h a tb yt h ep s o t h eo b t a i n e dr e s u l t s s h o w e dt h el o c a ls e a r c ha b i l i t yi si m p r o v e d ,a n dt h ep r o b a b i l i t yo ff i n d i n gt h eg l o b a l o p t i m a lv a l u eb yh p s oi sl a r g e rt h a nt h a tb yu s i n gp s o h p s oi sa p p l i e di n t of c c , a n dt h er e s u l to p t i m i z e db yh p s oi sb e t t e rt h a nt h a tb ys p s o i nt h ee n d ,am e t h o d w h i c he m p l o y sp s ot os o l v ec o n s t r a i n e do p t i m i z a t i o np r o b l e m sw a sp r o p o s e d k e yw o r d s :l o c a ls e a r c h ,p a r t i c l es w a l t oo p t i m i z a t i o n ,h y b r i da l g o r i t h m ,a p p l i c a t i o n , c o n s t r a i n e do p t i m i z a t i o np r o b l e m v i 浙江大学硕士学位论文 1 1 研究背景 第一章绪论 优化是个古老的课题。长期以来,人们对优化问题进行探讨和研究。早在 1 7 世纪,英国n e w t o n 和德国l e i b n i t z 微积分的发明使得优化的发展成为可能。 而b e m o u l l i 、e u l e r 、l a g r a n g e 和w e i r s t r a s s 则对微积分进行了完善。后来针对约 束问题又提出了l a g r a n g e 乘子。而c a u c h y 则首次采用最速梯度下降法解决无约 束问题【l ,2 】。人们关于优化问题的研究工作,随着历史的发展不断深入。但是, 任何科学的进步都受到历史条件的限制,直n - 十世纪中页,由于高速数字计算 机日益广泛应用,使得优化技术不仅成为迫切需要,而且有了求解的有力工具。 因此,优化理论和算法迅速发展起来,形成一门新的学科。至今已出现线性规划、 整数规划、非纷f 生规划、几何规划、动态规划、随机规划、网络流等学多分支。 这些优化技术在诸多工程领域得到了迅速报广和应用,如系统控制、人工智能、 生产调度等。 但是随着计算机科学和技术的发展,从根本上改变了人类的生产和生活。同 时,随着人类生存空间的扩大,以及认识世界和改造世界范围的拓宽,现实中碰 到的许多科学、工程和经济问题呈复杂化、多极化、非线性、强约束、建模困难 等特点。这就使人们对科学技术提出了新的和更高的要求,其中对高效的优化技 术和智能计算的要求尤为迫切。 上述的这些经典的优化算法通常采用局部搜索方法,这些局部搜索方法要么 是与特定问题相关,要么是局部搜索方法的变型,但它们有一个共同的特点就是 通过迭代来提高问题域中唯一的候选解。这就决定了经典算法只能适用于求解小 规模且定义非常明确的问题。解决实际工程问题,这些算法要么是解的精度,要 么是执行时间,总是不能令人十分满意。寻求一种适合于大规模并行且具有智能 特征的算法已经成为人们研究的目标和方向。 浙江大学硕士学位论文 二十世纪八十年代以来,一些新颖的优化算法,如人工神经网络( a n n ) 5 - g 、 混沌 9 - l “、遗传算法( g a ) 1 2 d 4 、进化规划( e p ) i t s - i s 、模拟退火( s a ) 1 9 , 2 0 、 禁忌搜索( t s ) 2 1 - 2 4 1 等,通过模拟或揭示某些现象和过程得到发展,其思想和内 容涉及数学、物理学、生物进化、人工智能、神经科学和统计力学等方面,为解 决复杂问题提供了新的思路和手段。在优化领域,由于这些算法构造的直观性与 自然机理,因而通常被称为智能优化算法( i n t e l l i g e n to p t i m i z a t i o na l g o r i t h m s ) , 或称现代启发式算法( m e t a h e u r i s t i ca l g o r i t h m s ) 2 5 1 , 本文研究的粒子群优化算法( p a r t i c l es w a r mo p t i m i z a t i o n ,简称p s o ) 是 k e n n e d y 和e b e r h a r t 源于群智能和人类认知的学习过程而发展的另外一种智能优 化算法 2 6 - 2 8 】。p s o 与遗传算法有些相似之处。首先,它们都是基于群体的优化技 术,亦即搜索轨道有多条,显示出良好的并行性。其次,无需梯度信息,只需利 用目标的取值信息,具有很强的通用性。但是,p s o 比g a 更简单、操作更方便。 因而,p s o 算法从诞生起,就引起了国内外学者的广泛关注,并掀起了该方向的 研究热潮,且在诸多领域得到了成功应用。但是,p s o 的发展历史尚短,在理论 基础与应用推广上都还存在一些问题,有待解决。 首先,p s o 在优化高维复杂问题时,往往会遇到早熟收敛的问题。这些早熟 收敛点,有可能是局部极小点,也有可能局部极小点邻域的一个点。换句话说, 早熟收敛并不能保证算法收敛到局部极小点。 其次,p s o 向最优点的收敛速度也比较缓慢。实际上对p s o 的研究发现, p s o 早期收敛速度较快,但到寻优的后期,寻优结果改进则不理想。这主要归因 于算法收敛到局部极小,缺乏有效的机制使算法逃离极小点。 此外,大多数p s o 算法解决的仍是无约束优化问题。而在科学研究和工程 实践中,许多优化问题都带有一定的约束条件。 针对上述问题,本文展开了研究,对不同问题提出了相应的改进。并将改进 的算法应用到新的优化问题中。 1 2 本文的研究成果 在本论文中,根据提出的问题,对p s o 算法进行了研究。本文的主要研究 浙江大学硕士学位论文 成果可归纳如下: ( 1 1 由于问题规模和复杂度的增加,单一的优化算法往往难以取得理想的优 化结果。为此,算法的混合已成为提高算法优化性能的重要途径。针对 p s o 局部搜索能力较差和早熟收敛,提出一种混合优化算法研究。将模 式搜索算法嵌入到p s o 算法当中,充分利用p s o 的全局搜索能力和模式 搜索的局部搜索能力。同时将变异操作加入到搜索过程中避免早熟收敛。 ( 2 ) 将这种算法应用到了流化催化裂解( f c c ) 的初始工作条件的优化问题中。 对f c c 的非机理建模方法a n n 和s v r 进行研究。并将混合策略的p s o 算法应用到己建立模型的反应条件的优化中。 ( 3 ) 将p s o 运用到求解约束优化的问题中。首先引入半可行域的概念,提出 了竞争选择的新规则,并对适应度函数作了改进:在此基础上,结合p s o 算法本身的特点,设计了选择算子,从而得到一个求解约束化问题的新 的算法。 1 3 本文的组织 本文共七章。第二章主要对与p s o 相关的基础知识和优化的相关技术进回 顾。第三章主要介绍标准p s o 算法。第四章提出了p s o 的改进技术,即混合粒 子群算法。第五章是p s o 算法的应用,研究混合策略的p s o 算法如何应用到流 化催化裂解的初始工作条件的优化问题中。第六章是p s o 算法在约束优化问题 中的运用。最后一章给出了论文的总结,并指出了未来的研究发展方向。下面是 一个关于各章内容的较为详细的介绍: 第二章对p s o 相关的基础知识进行回顾。p s o 作为一种仿生技术,与进化算 法和群智能有紧密的联系。更多的学者将它归类为进化算法,因此对进化算法进 行介绍。同时p s o 算法也是一种群智能现象的仿生,对这方面相关内容也做了 介绍;接着对p s o 算法做了简单的综述;最后比较了p s o 与g a 的异同。 第三章首先对原始p s o 算法进行了介绍,接着给出了两个最常用的改进,相 应产生了两种版本的标准p s o 算法:惯性权重p s o 和收缩因子p s o 。然后对两 种标准p s o 算法的参数选择进行了研究,并给出了一些选择参数的建议。本章 浙江大学硕士学位论文 的最后对p s o 算法的拓扑结构进行了探讨,指出局部模型和冯诺以曼模型是 两种较优的拓扑结构,在今后的应用中,值得进一步的推广。 第四章提出一种改进技术来克服p s o 算法早熟和局部优化能力差的特点。 第五章用混合p s o 算法优化流化催化裂解( f c c ) 的初始工作条件,其得 到的转化率优于标准p s o 算法优化的结果。 第六章提出了用p s o 算法解决约束优化问题的方法。 最后一章对全进行了总结,并给出了一些关于未来研究的展望。 浙江太学硕上学应论文 2 1引言 第二章研究基础 p s o 算法作为一种智能优化算法,借助于生物规律的启迪,于1 9 9 5 年提出。 在此之前,已经有其它基于种群的仿生算法,包括蚁群算法、遗传算法等。本章 通过阐述这些不同算法,以便对它1 j 有一个感性认识。此外,p s o 作为一种优化 技术,我 f j 还对相关优化概念和技术做一介绍,为后续章节的研究奠定基础。 2 2 优化问题 最优化是科学研究、工程技术和经济管理等领域的重要研究课题。它所研究 的问题是讨论在众多的方案中什么样的方案最优,以及怎样找出最优方案。例如, 工程设计怎样选择设计参数,使得设计方案既满足设计要求又能降低成本 资源 分配中,怎样分配有限资源,使得分配方案既能满足各方面的基本要求,又能获 得好的经济效益;在人类活动的各个领域中,诸如此类,不胜枚举。最优化这一 数学分支,正是为这些问题的解决,提供理论基础和求解方法,它是- - f 应用广 泛、实用性很强的科学。 最优化包括最小化和最大化两类问题o 。对于函数,的最大化等价于_ , 最小化,所咀最小化和最大化问题可归结为一类问题。本文前半部分主要研究无 约柬最小化问题,可定义为 给定:f 甜一r 寻找:肛) 直x ) v x e r ”( 2 i ) 其中x 为月维定义窄间科中的向景,或视为该空间的点x + 为搜寻空间的全局 最优点,月x ) 是目标函数。有些问题需要参数满足一定的约束条件,比如所有参 数非负。这类问题称为约束最小化问题,通常这类问题要比同等的无约束问题难 数非负。这类问题称为约束最小化问题,通常这类问题要比同等的无约束问题难 处理。 浙江大学硕士学位论文 2 1引言 第二章研究基础 p s o 算法作为一种智能优化算法,借助于生物规律的启迪,于1 9 9 5 年提出。 在此之前,已经有其它基于种群的仿生算法,包括蚁群算法、遗传算法等。本章 通过阐述这些不同算法,以便对它们有一个感性认识。此外,p s o 作为一种优化 技术,我们还对相关优化概念和技术做一介绍,为后续章节的研究奠定基础。 2 2 优化问题 最优化是科学研究、工程技术和经济管理等领域的重要研究课题。它所研究 的问题是讨论在众多的方案中什么样的方案最优,以及怎样找出最优方案。例如, 工程设计怎样选择设计参数,使得设计方案既满足设计要求又能降低成本;资源 分配中,怎样分配有限资源,使得分配方案既能满足各方面的基本要求,又能获 得好的经济效益;在人类活动的各个领域中,诸如此类,不胜枚举。最优化这一 数学分支,正是为这些问题的解决,提供理论基础和求解方法,它是一门应用广 泛、实用性很强的科学。 最优化包括最小化和最大化两类问题口”。对于函数f 的最大化等价于- 厂 最小化,所以最小化和最大化问题可归结为一类问题。本文前半部分主要研究无 约束最小化问题,可定义为 给定:f 一r 寻找:a x ) 以x ) v x e r ” ( 2 1 ) 其中x 为n 维定义空间l r 中的向量,或视为该空间的点,x + 为搜寻空间的全局 最优点,以x ) 是目标函数。有些问题需要参数满足一定的约束条件,比如所有参 数非负。这类问题称为约束最小化问题,通常这类问题要比同等的无约束问题难 处理。 浙江大学硕士学位论文 下 在某些最优化问题中,目标函数由若干个函数的平方和构成。一般可表示如 给定:r :r ”斗r ”,” 时,取v 。= 圪。: 当 4 ( 3 7 ) 在使用c l e r c 的收缩因子方法时,通常取妒为4 1 ,从而常数乘子z 等于0 7 2 9 。 c l e r c 在推导出收缩因子法时,不再需要最大速度限制。但是,后来研究发 现设定最大速度限制可以提高算法的性能【6 1 1 。从数学上分析,惯性权值w 和限定 因子z 这两个参数是等价的。 浙江大学硕士学位论文 3 4 粒子群优化算法拓扑结构研究 种群的拓扑结构对p s o 算法性能有很大的影响。邻域结构的首要目的是通 过阻止信息在网络中的流动来保持种群多样性 6 2 】。它可控制算法的探测和开发能 力盼“1 。每个粒子的行为由其局部邻域影响,这个局部邻域可视为种群拓扑结构 中的单个区域。故拓扑结构通过定义粒子的邻域来影
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2027年广东省高考二模英语押题卷及答案
- 2026年合同续签意向确认及下一步行动计划信3篇
- 2026年生物能源行业报告:剖析行业发展现状与未来趋势
- 能源公司项目负责人项目进度与成本管理考核表
- 餐饮业食品封装标准化操作手册
- 能源设备技术经理设备运行维护效率绩效考核表
- 智能消防系统设备维护手册
- 生产计划执行调度考核表
- 房地产项目招投标成本控制手册
- 2025-2026年医师资格考试临床医学综合模拟试题
- 客户支持需求升级通知函7篇
- 2026年下半年幼儿教师资格证《综合素质》真题及答案(完整版)
- 聚焦学习贯彻二十届五中全会课件
- 全国消防宣传月主题活动课件
- 小学三年级道德与法治“关心体贴老师”教学设计
- 2026年《中国慢性阻塞性肺疾病诊疗指南(2026版)》
- 2026-2030锦纶纤维行业市场发展分析及发展趋势与投资研究报告
- 2026年六盘水市钟山区法检系统书记员招聘考试参考试题及答案详解
- 2026年浙江省绍兴市社区工作者招聘笔试备考题库及答案详解
- 储能电站设备吊装方案
- 计算机控制系统 课件 第3章 Z变换与脉冲传递函数
评论
0/150
提交评论