粒子群優(yōu)化算法在卷煙配方設(shè)計(jì)中的應(yīng)用研究.pdf

1、群體智能(Swarm Intelligence)作為一個新型的研究領(lǐng)域，自從20世紀(jì)70年代出現(xiàn)以來，就引起了多個學(xué)科研究人員的關(guān)注，已經(jīng)成為經(jīng)濟(jì)、社會、生物、計(jì)算機(jī)等學(xué)科的熱點(diǎn)和前沿領(lǐng)域。群體智能利用群體優(yōu)勢，在沒有集中控制，不提供全局模型的前提下，為尋找復(fù)雜問題解決方案提供了新的思路。粒子群優(yōu)化(PSO，Particle Swarm Optimization)算法就是一種群體智能優(yōu)化算法，它是在1995年由Eberhart和Kenn

2、edy共同提出的。這種算法模仿鳥類和魚類群體覓食遷徙中個體與群體協(xié)調(diào)一致的機(jī)理，通過群體最優(yōu)方向、個體最優(yōu)方向和慣性權(quán)重的協(xié)調(diào)來求解實(shí)數(shù)化問題。近年來該方法已經(jīng)成為新的研究熱點(diǎn)。 卷煙的品質(zhì)受到多種因素的影響，包括香精香料、輔助材料、包裝紙、過濾嘴等。然而，構(gòu)成煙的多種煙葉組合(葉組)是決定卷煙感覺質(zhì)量的最重要、最直接的因素。盡管卷煙的感覺品質(zhì)為它的化學(xué)成分所決定，自然需要檢測煙葉的化學(xué)成分，但是卷煙的基本配方是在煙葉的基礎(chǔ)上進(jìn)

3、行的，所需要優(yōu)化的配料組合是葉組，而不是直接面向化學(xué)成分。這也是卷煙配方的復(fù)雜性的根源之一。 本文利用PSO算法來解決配方優(yōu)化設(shè)計(jì)這類組合優(yōu)化問題：通過修改標(biāo)準(zhǔn)粒子群算法的速度更新公式，用全體粒子的平均極值代替粒子的個體極值來提高粒子的尋優(yōu)性能。同時在修改后的算法的基礎(chǔ)上分別引入遺傳策略和混沌思想，提高了算法的尋優(yōu)性能和準(zhǔn)確度。最后通過和已有算法遺傳算法在配方優(yōu)化設(shè)計(jì)中的應(yīng)用的比較，用本文中提出的修改后的算法的仿真結(jié)果要明顯好于