多策略果蝇优化算法及其应用 - 化工学报.pdf

第 66 卷 第 12 期 化 工 学 报 Vol.66 No.12 December 2015 2015 年 12 月 CIESC Journal ·4888 · 多策略果蝇优化算法及其应用 钟伟民，牛进伟，梁毅，孔祥东，钱锋 （华东理工大学化工过程先进控制和优化技术教育部重点实验室，上海 200237 ） 摘要：针对果蝇算法容易陷入局部极值、收敛速度慢和收敛精度低的问题，基于粒子群优化算法中社会认知因子 和差分演化算法的变异算子，提出了一种多策略果蝇优化算法（SFOA）。对于味道浓度值劣于平均味道浓度的个 体，采用社会认知变异因子产生下一代个体，加快收敛速度。对于味道浓度值优于平均味道浓度的个体，引入差 分向量，提高算法跳出局部极值的能力。经过 8 个测试函数的仿真实验对比，SFOA 具有更好的全局有哪些信誉好的足球投注网站能力、 更快的收敛速度和更高的收敛精度。最后，将改进后的果蝇算法运用到 GE 气化炉操作优化中，以有效合成气产 率最大化为优化目标，氧煤比和水煤浆浓度为决策变量，结果表明，SFOA 能够快速找到最优值，证明了多策略 果蝇优化算法的有效性。 关键词：果蝇算法；味道浓度判定值；粒子群算法；差分进化；煤气化 DOI ：10.11949/j.issn.0438-1157 中图分类号：TP 18 文献标志码：A 文章编号：0438—1157 （2015 ）12—4888—07 Multi-strategy fruit fly optimization algorithm and its application ZHONG Weimin, NIU Jinwei, LIANG Yi, KONG Xiangdong, QIAN Feng (Key Laboratory of Advanced Control and Optimization for Chemical Process, Ministry of Education, East China University of Science and Technology, Shanghai 200237, China) Abstract: For the demerits of fruit fly optimization algorithm(FOA), such as easily falling into local optimum, slow convergence rate and low convergence precision, an improved FOA is proposed called multi-strategy fruit fly optimization algorithm. It is based on social cognitive part of particle swarm optimization algorithm (PSO) and the differential vector of differential evolution (DE). For those individuals whose smell concentration values are worse than the average concentration, using social cognition operator generates