扩散式遗传-微粒群优化算法和其应用.pdf

过程控制 石 油 化 工 自 动 化 ，2009，1：23 AUT0MATIoN IN PETR0 CHEM ICAL INDUSTRY 扩散式遗传一微粒群优化 算法及其应用 林 晨，俞金寿 (华东理工大学 自动化研究所 ，上海 200237) 摘要 ：将PSO算法与ScGA(扩散式遗传算法)相结合，提出ScGA—PSO优化算法。通过对4种常用的测试函数进行优 化和比较 ，结果表明ScGA—PSO性能相 比PSO有明显的提升 ，且更容 易找到最优解 。然后将 ScGA—PSO用于延迟焦化装置 主分馏塔汽油干点软测量 ，建立基于 ScGA—PSO的粗汽油于点神经网络软测量模型 ，通过与实际工业数据对比，表明该模型精 度高 、性能好 ，具有广阔的应用前景 。 关键词 ：微粒群优化算法；扩散式遗传算法；粗汽油干点值；软测量 中图分类号 ：TP183 文献标志码 ：A 文章编号 ：1007—7324(2009)01—0023—04 ScGA—PSo Algorithm andItsApplication LinChen。YuJinshou (Research InstituteofAutomation，EastChinaUniversityof ScienceandTechnology，Shanghai，200237，China) Abstract：Animprovedparticleswarm optimizationalgorithm ——ScGA—PSO wasproposedbasedonPSO andScatterGA． Then ScGA—PSO and PS0 wereused to resolve fourwidely used test functions’ optimization problems． Results show thatScGA—PSO’Sperformance iSmuch betterthan PSO’Sand ScGA—PS0 canfindthebestfiteasier．NextScGA—PS0 iSappliedto train artificialneuralnetwork to constructapracticalsoft—sensorofgasolineendpointofmain fractionatorofdelayed cokingunit．The obtainedresultsand comparisonwith actualindustrialdata indicatethatthenew methodproposedby thispaperisfeasibleandeffectivein soft—sensorofgasolineendpoint． Keywords：particleswarm optimizationalgorithm ；scatterGA ；gasolineendpoint；soft—sensor 1 弓I 言 的位置和速度 。各个粒子记忆 、追随当前的最优粒 微 粒 群 优 化 算 法 PSO (ParticleSwarm 子，并根据它 自身的 “经验”和相邻粒子群的最佳 OptimizationAlgorithm)是 Kennedy和 Eberhart “经验”在解空间中向更好的位置 “飞行”。 于 1995年提出的进化计算算法u 。PSO简单且 假设有哪些信誉好的足球投注网站 区域为 N 维空 间，则第 i个粒子 的 具有许多良好 的优化性能 ，是一种新兴的很有发展 位置可 以表示为．z一 ( z …，32)，速度可