蝗蟲優(yōu)化算法是受蝗蟲的行為特征啟發(fā)而提出的一類仿生優(yōu)化算法。作為群智能優(yōu)化算法的成員,蝗蟲優(yōu)化算法具有結(jié)構(gòu)簡易、操作簡單以及容易與其它群智能優(yōu)化算法結(jié)合的優(yōu)點。但是,蝗蟲優(yōu)化算法也存在收斂速度慢,搜索精度不足等缺點。本文在前人的基礎(chǔ)上,對蝗蟲優(yōu)化算法進(jìn)行改進(jìn)研究,并用于求解化工過程建模的優(yōu)化問題。本文的主要工作如下:(1)提出了一種改進(jìn)的自適應(yīng)蝗蟲優(yōu)化算法。該算法采用余弦自適應(yīng)策略,引入?yún)f(xié)同進(jìn)化策略來減少對于種群初始化的依賴性,引入高斯變異算子來增加種群的多樣性,通過典型測試函數(shù)的尋優(yōu)驗證了該算法的有效性。(2)提出了 一種具有反饋機(jī)制的蝗蟲優(yōu)化算法。該算法在保留余弦自適應(yīng)策略的基礎(chǔ)上,引入反饋調(diào)節(jié),根據(jù)種群的進(jìn)化率調(diào)節(jié)控制參數(shù)c,引入灰狼優(yōu)化算法中的精英個體概念和動態(tài)種群進(jìn)化操作來增強(qiáng)算法的搜索能力。通過典型測試函數(shù)的尋優(yōu)實驗結(jié)果驗證了該算法改進(jìn)的有效性。(3)提出了一種混合的蝗蟲優(yōu)化算法。該算法將改進(jìn)的自適應(yīng)蝗蟲優(yōu)化算法和具有反饋機(jī)制的蝗蟲優(yōu)化算法相結(jié)合。通過典型測試函數(shù)的尋優(yōu)實驗結(jié)果驗證了混合算法的有效性。將該算法用于延遲焦化過程和流化催化裂化的反應(yīng)再生過程的非參數(shù)建模研究。仿真...

【文章頁數(shù)】：107 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
所用外文符號和縮寫表
第1章 緒論
    1.1 引言
    1.2 蝗蟲優(yōu)化算法
        1.2.1 蝗蟲優(yōu)化算法概述
        1.2.2 基本的蝗蟲優(yōu)化算法
        1.2.3 蝗蟲優(yōu)化算法的優(yōu)缺點
        1.2.4 蝗蟲優(yōu)化算法研究進(jìn)展
    1.3 蝗蟲優(yōu)化算法的應(yīng)用
    1.4 化工過程建模簡介
    1.5 本文的主要研究內(nèi)容
第2章 改進(jìn)的自適應(yīng)蝗蟲優(yōu)化算法
    2.1 引言
    2.2 改進(jìn)策略
        2.2.1 余弦自適應(yīng)策略
        2.2.2 種群協(xié)同進(jìn)化
        2.2.3 高斯變異
        2.2.4 IGOA步驟與流程
    2.3 算法性能對比與分析
        2.3.1 測試函數(shù)信息
        2.3.2 實驗結(jié)果對比及分析
    2.4 小結(jié)
第3章 反饋機(jī)制的蝗蟲優(yōu)化算法
    3.1 引言
    3.2 具有反饋機(jī)制的蝗蟲優(yōu)化算法
        3.2.1 反饋機(jī)制
        3.2.2 灰狼優(yōu)化算法
        3.2.3 動態(tài)種群進(jìn)化思想
        3.2.4 EGOA實現(xiàn)步驟
    3.3 算法性能測試及分析
        3.3.1 測試函數(shù)信息
        3.3.2 實驗結(jié)果對比及分析
    3.4 小結(jié)
第4章 混合優(yōu)化算法的化工過程建模
    4.1 引言
    4.2 混合蝗蟲優(yōu)化算法
        4.2.1 混合機(jī)制
        4.2.2 HGOA實現(xiàn)步驟
        4.2.3 測試函數(shù)實驗及分析
    4.3 前饋網(wǎng)絡(luò)介紹與化工建模問題求解
        4.3.1 延遲焦化過程
        4.3.2 基于參數(shù)迭代的支持向量回歸機(jī)及建模分析
        4.3.3 流化催化裂化反應(yīng)再生器概述
        4.3.4 極限學(xué)習(xí)機(jī)概述及預(yù)測分析
    4.4 小結(jié)
第5章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 研究展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要的研究成果
作者簡介



本文編號：3870469