基于改進(jìn)連續(xù)蟻群算法的化工生產(chǎn)過程優(yōu)化.pdf

1、對于化工生產(chǎn)過程系統(tǒng)這種典型的復(fù)雜系統(tǒng)而言，優(yōu)化方法是一種能提高其系統(tǒng)性能的有效手段。優(yōu)化技術(shù)對其效率的提高、能耗的降低、資源的合理利用及經(jīng)濟(jì)效益的提高等均有顯著的效果。但是隨著化工過程目標(biāo)問題的規(guī)模越來越大，模型結(jié)構(gòu)也越來越復(fù)雜，實現(xiàn)系統(tǒng)的最優(yōu)化也越來越困難，對現(xiàn)有的優(yōu)化方法提出了挑戰(zhàn)，因此對高效的智能化的優(yōu)化技術(shù)的需求日益迫切。 針對這一問題，本文采用一種較新的智能優(yōu)化方法，即蟻群優(yōu)化算法(ACO)來對化工生產(chǎn)過程進(jìn)行優(yōu)化。

2、蟻群優(yōu)化算法以其優(yōu)越的問題分布式求解模式在組合優(yōu)化問題的求解中取得了極大成功，但很多化工過程上的實際問題通常表達(dá)成一個連續(xù)的最優(yōu)化問題。如何拓展蟻群優(yōu)化算法的功能，使之也適用于連續(xù)問題，此為亟待應(yīng)對的挑戰(zhàn)，這也是本文的主要研究內(nèi)容。 本文首先從生物學(xué)原理和數(shù)學(xué)原理兩方面對基本蟻群優(yōu)化算法進(jìn)行了深入地分析，并建立了其數(shù)學(xué)模型和程序框架。 然后討論了基本蟻群算法的離散本質(zhì)，以及用其解決連續(xù)域優(yōu)化問題的主要思路。在此思路的指導(dǎo)

3、下，提出了一種改進(jìn)的連續(xù)蟻群優(yōu)化算法。并選用典型的連續(xù)域優(yōu)化問題，將其與基于網(wǎng)格劃分策略的連續(xù)域蟻群算法的有效性進(jìn)行了比較和驗證。之后運用算法融合思想，將蟻群優(yōu)化的基本思想與神經(jīng)網(wǎng)絡(luò)相融合，用改進(jìn)的連續(xù)域蟻群算法對神經(jīng)網(wǎng)絡(luò)的權(quán)閾值進(jìn)行了優(yōu)化，彌補(bǔ)了BP網(wǎng)絡(luò)易于陷入局部最小的缺點。并用實例驗證了這一新的連續(xù)蟻群BP網(wǎng)絡(luò)的可行性。 最后將之前提出的改進(jìn)的連續(xù)蟻群算法和基于此算法的BP網(wǎng)絡(luò)分別運用與丁烯烷化過程的優(yōu)化和熱偶精餾塔的模擬