基于正態(tài)分布的連續(xù)多蟻群算法及其化工應用.pdf

1、進入21世紀以來,化學工業(yè)面臨著經(jīng)濟、能源、環(huán)境以及社會等多方面的挑戰(zhàn),優(yōu)化技術是迎接這些挑戰(zhàn)的有效手段,能夠應用于化工全價值鏈的各個環(huán)節(jié).化工系統(tǒng)是一類典型的復雜系統(tǒng),隨著目標問題的規(guī)模越來越大,模型結(jié)構(gòu)也越來越復雜,經(jīng)典的優(yōu)化方法己顯乏力,對高效的智能化的優(yōu)化技術的需求日益迫切. 蟻群算法是新近提出來的一種群智能優(yōu)化方法.由于其優(yōu)越的問題分布式求解模式,在離散優(yōu)化問題的求解中取得了極大成功,引起了相關領域?qū)W者的廣泛關注.但很

2、多實際問題通常被表達成連續(xù)優(yōu)化問題.如何有效地將全局優(yōu)化性能優(yōu)越但本質(zhì)離散的蟻群算法用于優(yōu)化連續(xù)空間的問題,此為亟待應對的挑戰(zhàn),這也是本文的主要研究內(nèi)容. 蟻群算法在本質(zhì)是一種基于解空間參數(shù)化的概率分布模型的搜索算法框架,這些參數(shù)就是信息素,而螞蟻生成的解集合則可看作是用來更新概率分布參數(shù)的樣本.因此信息素分布模型是影響蟻群算法最關鍵的因素,它決定了螞蟻的行為與分布,設計一種好的信息素分布模型是構(gòu)造高性能連續(xù)蟻群算法的關鍵.

3、 基于此,本文通過對蟻群覓食的生物學模型中信息素分布的分析,用多元正態(tài)分布函數(shù)來模擬信息素的分布,提出了一種信息素呈多元正態(tài)分布的連續(xù)多蟻群算法(CMACO).該算法通過對信息素分布函數(shù)的隨機抽樣來指導螞蟻完成狀態(tài)轉(zhuǎn)移,信息素分布函數(shù)又隨著螞蟻的移動而被調(diào)整,實施信息素更新,進而引導螞蟻在可行域中逐步向最優(yōu)食物源聚集.為了提高算法的尋優(yōu)性能,基于蟻群的成群募集機制,本文構(gòu)建出多蟻群策略來有效地調(diào)配蟻群的行為以平衡其全局探索能力和局部

4、挖掘能力.經(jīng)多個經(jīng)典函數(shù)的測試,表明CMACO適用于連續(xù)優(yōu)化問題,具有良好的全局尋優(yōu)性能. 對于終端時間給定、終端狀態(tài)無約束的動態(tài)優(yōu)化問題,本文通過控制變量參數(shù)化方法將其轉(zhuǎn)換成靜態(tài)優(yōu)化問題,然后使用CMACO進行優(yōu)化.按照該思路,將CMACO用于生產(chǎn)分泌蛋白的Park-Ramirez生物反應器以及生產(chǎn)外源蛋白的Lee-Ramirez生物反應器的補料流率優(yōu)化問題.結(jié)果表明,CMACO在優(yōu)化結(jié)果和計算代價上都有較好的性能.