学位论文 > 优秀研究生学位论文题录展示

基于正态分布的连续多蚁群算法及其化工应用

作　者: 蒲黎明
导　师: 陈德钊
学　校: 浙江大学
专　业: 化学工程
关键词: 蚁群优化信息素模型化工过程随机优化算法连续优化全局优化动态优化正态分布流加式生物反应器相平衡
分类号: TQ015
类　型: 硕士论文
年　份: 2007年
下　载: 240次
引　用: 3次
阅　读: 论文下载

内容摘要

进入21世纪以来，化学工业面临着经济、能源、环境以及社会等多方面的挑战，优化技术是迎接这些挑战的有效手段，能够应用于化工全价值链的各个环节。化工系统是一类典型的复杂系统，随着目标问题的规模越来越大，模型结构也越来越复杂，经典的优化方法已显乏力，对高效的智能化的优化技术的需求日益迫切。蚁群算法是新近提出来的一种群智能优化方法。由于其优越的问题分布式求解模式，在离散优化问题的求解中取得了极大成功，引起了相关领域学者的广泛关注。但很多实际问题通常被表达成连续优化问题。如何有效地将全局优化性能优越但本质离散的蚁群算法用于优化连续空间的问题，此为亟待应对的挑战，这也是本文的主要研究内容。蚁群算法在本质是一种基于解空间参数化的概率分布模型的搜索算法框架，这些参数就是信息素，而蚂蚁生成的解集合则可看作是用来更新概率分布参数的样本。因此信息素分布模型是影响蚁群算法最关键的因素，它决定了蚂蚁的行为与分布，设计一种好的信息素分布模型是构造高性能连续蚁群算法的关键。基于此，本文通过对蚁群觅食的生物学模型中信息素分布的分析，用多元正态分布函数来模拟信息素的分布，提出了一种信息素呈多元正态分布的连续多蚁群算法(CMACO)。该算法通过对信息素分布函数的随机抽样来指导蚂蚁完成状态转移，信息素分布函数又随着蚂蚁的移动而被调整，实施信息素更新，进而引导蚂蚁在可行域中逐步向最优食物源聚集。为了提高算法的寻优性能，基于蚁群的成群募集机制，本文构建出多蚁群策略来有效地调配蚁群的行为以平衡其全局探索能力和局部挖掘能力。经多个经典函数的测试，表明CMACO适用于连续优化问题，具有良好的全局寻优性能。对于终端时间给定、终端状态无约束的动态优化问题，本文通过控制变量参数化方法将其转换成静态优化问题，然后使用CMACO进行优化。按照该思路，将CMACO用于生产分泌蛋白的Park-Ramirez生物反应器以及生产外源蛋白的Lee-Ramirez生物反应器的补料流率优化问题。结果表明，CMACO在优化结果和计算代价上都有较好的性能。复杂相平衡体系的Gibbs自由能函数存在多个局部解，应用局部优化算法易陷入局部解或者平凡解而难以得到全局解。本文采用CMACO直接最小化系统Gibbs自由能函数，无需考虑体系实际存在的相态，计算不依赖函数导数，能以较高概率收敛至全局解。总之，论文对蚁群算法做了较为全面深入的分析和讨论，不仅提出了一种连续多蚁群算法，而且将其用于化工动态优化以及相平衡计算中。论文最后对所做工作进行了总结，并且对未来研究提出展望。

全文目录

摘要  5-7
ABSTRACT  7-12
第1章绪论  12-29
  1.1 化工过程优化  13-14
  1.2 最优化问题  14-15
  1.3 最优化方法  15-16
    1.3.1 经典优化算法  15
    1.3.2 启发式算法  15-16
  1.4 现代启发式算法  16-23
    1.4.1 模拟退火  17
    1.4.2 禁忌搜索  17-18
    1.4.3 进化计算  18-21
    1.4.4 群智能优化算法  21-23
  1.5 蚁群算法在化工过程优化中的应用  23-25
  1.6 无约束标准测试函数  25-28
  1.7 本文结构  28-29
第2章基本蚁群算法  29-48
  2.1 旅行商问题  29-30
  2.2 蚁群算法的起源  30-34
    2.2.1 蚂蚁觅食行为的分析  30-32
    2.2.2 蚂蚁系统的数学模型  32-34
    2.2.3 蚁群算法的寻优机制  34
  2.3 蚁群算法的发展  34-41
    2.3.1 最大最小蚂蚁系统(MMAS)  35-36
    2.3.2 蚁群系统(ACS)  36-38
    2.3.3 蚁群算法的通用框架(ACO)  38-41
  2.4 蚁群算法的理论分析  41-45
    2.4.1 收敛性研究成果  41-43
    2.4.2 蚁群算法与进化计算的比较  43-45
  2.5 蚁群算法的应用进展  45-47
  2.6 本章小结  47-48
第3章基于正态分布的连续多蚁群算法研究  48-66
  3.1 连续优化领域的挑战  48-49
  3.2 连续蚁群算法的研究思路  49-53
    3.2.1 ACO策略与进化算法相结合  49-50
    3.2.2 连续空间离散化技术  50
    3.2.3 基于新的蚂蚁行为模型  50-52
    3.2.4 本文算法的研究思路  52-53
  3.3 基于正态分布的连续多蚁群算法的构建  53-58
    3.3.1 信息素分布模型  54-55
    3.3.2 解的构造过程  55-56
    3.3.3 信息素的更新  56-57
    3.3.4 多群协作策略  57-58
  3.4 CMACO算法的步骤  58
  3.5 性能测试与分析  58-65
    3.5.1 测试函数  58-59
    3.5.2 性能比较  59-60
    3.5.3 寻优过程  60-61
    3.5.4 参数设置  61-65
  3.6 本章小结  65-66
第4章 CMACO在化工动态优化中的应用  66-75
  4.1 化工动态优化概述  66-68
  4.2 优化PARK-RAMIREZ生物反应器的产品产量  68-70
    4.2.1 数学模型  68
    4.2.2 模型优化  68-69
    4.2.3 结果分析  69-70
  4.3 优化LEE-RAMIREZ生物反应器的生产收益  70-74
    4.3.1 数学模型  70-71
    4.3.2 模型优化  71-73
    4.3.3 结果分析  73-74
  4.4 本章小结  74-75
第5章 CMACO在相平衡计算中的应用  75-86
  5.1 相平衡计算概述  75-76
  5.2 相平衡的优化模型  76-80
    5.2.1 目标函数约简  77-79
    5.2.2 约束处理  79-80
  5.3 实例应用  80-85
    5.3.1 液液相平衡计算  80-83
    5.3.2 汽液液平衡计算  83-85
  5.4 本章小结  85-86
第6章总结与展望  86-89
  6.1 本文工作总结  86-88
  6.2 未来工作展望  88-89
参考文献  89-95
致谢  95-96
攻读硕士学位期间完成的论文及参与的科研项目  96

基于正态分布的连续多蚁群算法及其化工应用

内容摘要

全文目录

相似论文