本文選題：DNA遺傳算法　切入點：質(zhì)子交換膜燃料電池　出處：《浙江工業(yè)大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：遺傳算法具有操作簡單,搜索能力強,自適應(yīng)能力強等優(yōu)點,是智能優(yōu)化算法的典型代表,但是遺傳算法仍存在著搜索效率低,易早熟收斂等缺點。DNA遺傳算法結(jié)合了DNA計算和遺傳算法發(fā)展而來,它采用四進制編碼,并在遺傳算法的基礎(chǔ)上對種群進行遺傳操作,從而更好的模擬了生物體遺傳和進化的本質(zhì),提高了算法的性能。本文結(jié)合其他算法的優(yōu)點,對DNA遺傳算法進行了改進,并將改進的DNA遺傳算法應(yīng)用到燃料電池的模型優(yōu)化的問題中。本文主要工作和成果如下:1.在DNA遺傳算法的研究基礎(chǔ)上研究并比較了不同數(shù)目的個體間交叉操作對算法的進化速率和收斂速度的影響。根據(jù)DNA的編碼方式在多個個體間設(shè)計了新型的交叉方式,從而保證了在進化當(dāng)中種群的多樣性。利用幾個經(jīng)典的測試函數(shù)驗證了所提出的交叉操作的有效性,并比較得出了當(dāng)交叉?zhèn)�體數(shù)目為三時算法得到的結(jié)果最優(yōu)。2.為了簡化算法提高算法效率,同時又保持算法的有效性,提出了選擇性交叉變異操作的DNA遺傳算法。該算法依照一定概率只執(zhí)行交叉操作和變異操作中的一種操作,而且交叉操作選擇在多個不同種類的個體間進行,變異操作中的變異概率隨遺傳代數(shù)的增加而變化。四個測試函數(shù)最值的尋優(yōu)結(jié)果驗證了所提算法的有效性。3.受DNA遺傳算法多個體交叉操作的啟發(fā),提出了改進的多種群進化的DNA遺傳算法。每個子種群根據(jù)自身不同的側(cè)重點進行獨立的遺傳操作,當(dāng)種群進化到一定代數(shù)時還可進行種群間的信息交換,并采用種群融合策略對種群進行融合再分,從而很好的提高了算法的全局搜索能力和局部搜索能力。測試函數(shù)計算的結(jié)果表明所提出的多種群DNA遺傳算法的優(yōu)越性。4.準(zhǔn)確的燃料電池模型的參數(shù)估計受到學(xué)者們的廣泛關(guān)注。將所提出的選擇性交叉變異操作的DNA遺傳算法及改進的多種群進化的遺傳算法應(yīng)用到質(zhì)子交換膜燃料電池(Proton Exchange Membrane Fuel Cell,PEMFC)模型的參數(shù)辨識中,在給定的PEMFC的輸出電壓與負(fù)載電流間的關(guān)系式的基礎(chǔ)上,分析不同驗證策略下本文提出的這兩種算法的辨識性能,并分別與已有的四種智能算法進行對比,分析結(jié)果驗證了所提兩種算法在PEMFC模型參數(shù)優(yōu)化上的高效性。將改進的多種群進化的遺傳算法應(yīng)用到高溫固體氧化物燃料電池(SOFC)模型的參數(shù)辨識中,分析比較不同溫度條件下得到的電壓-負(fù)載電流特性,與已有算法進行對比得出了該算法的有效性。
[Abstract]:Genetic algorithm (GA) has the advantages of simple operation, strong searching ability, strong adaptive ability and so on. It is a typical representative of intelligent optimization algorithm, but it still has low search efficiency. The DNA genetic algorithm is developed by combining DNA computation with genetic algorithm. It uses quaternary coding and carries on the genetic operation to the population on the basis of genetic algorithm. In order to better simulate the nature of biological genetics and evolution, improve the performance of the algorithm. This paper combines the advantages of other algorithms, improve the DNA genetic algorithm, And the improved DNA genetic algorithm is applied to the optimization of fuel cell model. The main work and results of this paper are as follows: 1. Based on the research of DNA genetic algorithm, we study and compare the number of cross-operation pairs between individuals. The influence of the evolutionary rate and convergence rate of the algorithm. According to the coding method of DNA, a new intersecting method is designed among several individuals. Thus ensuring the diversity of the population in evolution. The effectiveness of the proposed crossover operation is verified by several classical test functions. In order to simplify the algorithm and improve the efficiency of the algorithm, it is found that when the number of crossover individuals is three, the algorithm is optimal .2.In order to simplify the algorithm, the efficiency of the algorithm can be maintained at the same time. In this paper, DNA genetic algorithm for selective crossover mutation operation is proposed. The algorithm performs only one of the crossover and mutation operations according to certain probability, and the crossover operation is selected between several different kinds of individuals. The mutation probability in mutation operation varies with the increase of genetic algebra. The optimization results of the four test functions verify the effectiveness of the proposed algorithm. 3. Inspired by the multi-individual crossover operation of DNA genetic algorithm, An improved DNA genetic algorithm for multi-population evolution is proposed. Each sub-population performs independent genetic operations according to its own emphasis. When the population evolves to a certain algebra, it can exchange information between populations. And the population fusion strategy is used to subdivide the population. The result of test function calculation shows the superiority of the proposed multi-population DNA genetic algorithm .4.The accurate parameter estimation of fuel cell model is studied. The proposed DNA genetic algorithm for selective crossover mutation operation and the improved multi-population evolution genetic algorithm are applied to the parameter identification of Proton Exchange Membrane Fuel cell PEMFCmodel for proton exchange membrane fuel cell (PEMFC). On the basis of the relationship between output voltage and load current of PEMFC, the identification performance of the two algorithms proposed in this paper under different verification strategies is analyzed, and compared with four existing intelligent algorithms. The results show that the proposed two algorithms are efficient in the parameter optimization of PEMFC model. The improved genetic algorithm of multi-population evolution is applied to the parameter identification of high temperature solid oxide fuel cell (SOFC) model. The characteristics of voltage-load current obtained at different temperatures are analyzed and compared with the existing algorithms, and the effectiveness of the algorithm is obtained.
【學(xué)位授予單位】：浙江工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM911.4;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 劉坤,劉偉波,吳忠強;基于模糊遺傳算法的電液位置伺服系統(tǒng)控制[J];黑龍江科技學(xué)院學(xué)報;2005年04期

2 李華昌,謝淑蘭,易忠勝;遺傳算法的原理與應(yīng)用[J];礦冶;2005年01期

3 馮錦春;楊林建;;遺傳算法在機械工程方面的應(yīng)用研究[J];煤礦機械;2008年08期

4 李凱;田雙亮;耿麗君;張喜;;基于改進遺傳算法在分析企業(yè)客戶群中的應(yīng)用[J];河南理工大學(xué)學(xué)報(自然科學(xué)版);2009年06期

5 劉鐵男,姜建國,陳繼剛,張長江,于鏑;遺傳算法的收斂性分析[J];大慶石油學(xué)院學(xué)報;2000年03期

6 樂慧豐,林家駿,俞金壽;投影遺傳算法[J];華東理工大學(xué)學(xué)報;2000年05期

7 苑進,孫忠林,劉雪美;改進遺傳算法在齒輪減速器優(yōu)化中的應(yīng)用[J];山東科技大學(xué)學(xué)報(自然科學(xué)版);2001年04期

8 李春利,郭章紅,楊振生;基于遺傳算法的分子設(shè)計初探[J];化學(xué)工業(yè)與工程;2002年01期

9 董軍芳,曾穎,林金清;應(yīng)用遺傳算法推算多元溶液熱力學(xué)數(shù)據(jù)[J];吉首大學(xué)學(xué)報(自然科學(xué)版);2002年01期

10 唐雪萍,何緒全;遺傳算法在流體識別中的應(yīng)用[J];天然氣勘探與開發(fā);2002年01期

相關(guān)會議論文 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設(shè)計算機應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計算機編程中的應(yīng)用[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實用遺傳算法及其比較[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

相關(guān)重要報紙文章 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報;2002年

相關(guān)博士學(xué)位論文 前10條

1 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

2 郝國生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

3 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

4 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

5 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

6 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

7 劉冀成;基于改進遺傳算法的生物電磁成像與磁場聚焦應(yīng)用研究[D];四川大學(xué);2005年

8 袁麗華;基于物種進化的遺傳算法研究[D];南京航空航天大學(xué);2009年

9 李航;遺傳算法求解多模態(tài)優(yōu)化問題的研究[D];天津大學(xué);2007年

10 石玉;提高實數(shù)遺傳算法數(shù)值優(yōu)化效率的研究[D];南京航空航天大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測控制[D];華南理工大學(xué);2015年

4 王琳琳;新型雙層液壓轎運車車廂的設(shè)計研究[D];上海工程技術(shù)大學(xué);2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風(fēng)面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年

6 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

10 于光帥;一類優(yōu)化算法的改進研究與應(yīng)用[D];渤海大學(xué);2015年

，

本文編號：1589111