混沌粒子群優(yōu)化算法及應(yīng)用研究.pdf

1、粒子群優(yōu)化算法(PSO)實現(xiàn)簡單，且為復雜優(yōu)化問題的求解提供了有效手段，已引起連續(xù)優(yōu)化和智能計算領(lǐng)域?qū)W者的廣泛關(guān)注，并取得了一些成功應(yīng)用。但在其在化工過程領(lǐng)域的應(yīng)用起步較晚，研究成果相對較少，且在處理約束優(yōu)化、動態(tài)優(yōu)化等問題時缺乏通用有效地機制。本課題針對工業(yè)生產(chǎn)過程中涉及的多種優(yōu)化問題，改進與拓展現(xiàn)有的粒子群優(yōu)化算法使之適用于不同類型的優(yōu)化問題，并成功將其應(yīng)用至高密度聚乙烯(HDPE)生產(chǎn)過程操作優(yōu)化中。
　　 本文針對PSO

2、易于早熟和局部搜索精度低的不足，提出將其與混沌映射和傳統(tǒng)梯度算法相結(jié)合的方案，并針對無約束（界約束）、有約束和動態(tài)優(yōu)化問題分別提出了基于序貫二次規(guī)劃(SQP)、內(nèi)點法(IPM)和信賴域映射法(TRR)的混沌PSO，通過對Benchmark函數(shù)進行仿真，驗證算法的收斂精度、速度和魯棒性，并將其分別用于HDPE串級反應(yīng)過程乙烯單體單耗優(yōu)化、產(chǎn)品質(zhì)量軟測量模型參數(shù)優(yōu)化及牌號切換優(yōu)化。本文的主要研究工作與相關(guān)成果可歸納如下:
　　 1、

3、針對粒子群算法易于早熟和后期收斂速度慢，局部搜索精度不高的缺陷，提出使用混沌映射幫助粒子跳出局部最優(yōu)，防止早熟以及利用傳統(tǒng)梯度算法加快局部搜索的思路。并以邏輯混沌映射和SQP為例，與PSO相結(jié)合，形成CPSOSQP算法，并以Benchmark函數(shù)實驗結(jié)果表明這種相結(jié)合思路的可行性。
　　 2、為進一步提高CPSOSQP算法的收斂速度和魯棒性，對算法的混合方式進行改進，先后提出兩種改進的基于SQP局部搜索的混沌粒子群優(yōu)化算法(CP

4、SO-SQP和CPSO-SQPII)，并對無約束（界約束）Benchmark函數(shù)進行仿真，結(jié)果表明了算法的優(yōu)勢。應(yīng)用CPSO-SQP算法對HDPE裝置串級反應(yīng)過程的乙烯單耗進行優(yōu)化，根據(jù)工業(yè)反應(yīng)機理和現(xiàn)場操作經(jīng)驗分析可知算法是可行的。
　　 3、在CPSO-SQPII中的混沌粒子群算法中引入約束處理機制，并將內(nèi)點法作為局部搜索算法，提出基于內(nèi)點法的混沌PSO(CPSO-IPM)，用于解決約束優(yōu)化問題。對約束Benchmark函數(shù)

5、和經(jīng)典機械設(shè)計問題的仿真結(jié)果表明了算法的有效性。對HDPE裝置串級反應(yīng)過程產(chǎn)品質(zhì)量軟測量模型參數(shù)進行優(yōu)化的結(jié)果表明了算法的可行性和優(yōu)越性。
　　 4、將基于預(yù)處理共軛梯度(PCG)的TRR作為局部搜索算法，和CPSO-SQPII中的混沌粒子群算法相結(jié)合，提出基于TRR的混沌粒子群大規(guī)模優(yōu)化算法(CPSO-TRR)，并將其與同步法相結(jié)合用于解決動態(tài)優(yōu)化問題。在高密度聚乙烯(HDPE)裝置串級反應(yīng)牌號切換過程優(yōu)化中的應(yīng)用表明了算法的