【摘要】：生物地理學(xué)優(yōu)化算法(Biogeography-Based Optimization Algorithm)是一種生物地理學(xué)啟發(fā)式的群智能優(yōu)化算法。該算法研究生物種群生存、繁衍、衰落和滅絕等行為,通過模擬種群遷徙、變異而構(gòu)造出的一種群智能優(yōu)化算法。該算法具有機制新穎,結(jié)構(gòu)簡單、易于實現(xiàn)等特點;隨著生物地理學(xué)優(yōu)化算法理論研究的進展,其應(yīng)用也越來越廣泛,逐漸引起了國內(nèi)外諸多學(xué)者的關(guān)注。但是,該算法的性能還有待進一步改進。本文針對生物地理學(xué)優(yōu)化算法在尋優(yōu)過程中出現(xiàn)的收斂容易陷入早熟的現(xiàn)象,提出了一種改進的生物地理學(xué)優(yōu)化算法I-BBO (Improved Biogeography-Based Optimization)算法。改進算法是在生物地理學(xué)的基礎(chǔ)上,引入人工馴養(yǎng)的概念,把人工馴化理論與生物地理學(xué)相結(jié)合,解決了BBO算法在后期存在搜索動力不足的問題。本文將改進算法應(yīng)用到系統(tǒng)辨識、控制器參數(shù)整定和正丁烷異構(gòu)化學(xué)反應(yīng)動力學(xué)建模及操作優(yōu)化中都收到了良好效果。因此課題的主要研究內(nèi)容為BBO算法的改進及其應(yīng)用,概括為:(1)生物地理學(xué)優(yōu)化算法的改進。生物地理學(xué)優(yōu)化算法雖然收斂速度快,但是后期存在搜索動力不足的問題。針對該問題,本文將人工馴養(yǎng)的概念和生物地理學(xué)相結(jié)合,提出了改進的I-BBO算法。為了探索I-BBO算法的性能,將其和其他五種基于群智能的優(yōu)化算法對基本測試函數(shù)進行了性能測試比較。仿真實驗表明:I-BBO算法提高了物種的多樣性,增強了算法的搜索能力,加快了尋優(yōu)速度。(2) I-BBO算法在系統(tǒng)辨識中的應(yīng)用。本文使用二階加時滯系統(tǒng)來近似復(fù)雜的工業(yè)系統(tǒng),并采用多種智能優(yōu)化算法對參數(shù)進行辨識。然后,將這種方法推廣到閉環(huán)系統(tǒng)模型辨識中,給出了閉環(huán)系統(tǒng)的可辨識性,利用了群智能優(yōu)化算法對閉環(huán)系統(tǒng)進行了辨識。仿真結(jié)果表明了 I-BBO算法的優(yōu)越性能。(3) I-BBO算法在PID控制器參數(shù)優(yōu)化中的應(yīng)用。本文通過兩個不同對象控制器的參數(shù)整定實例,來驗證I-BBO算法的性能,仿真結(jié)果表明,改進的I-BBO算法在優(yōu)化PID控制器參數(shù)上比原有的BBO算法更加的優(yōu)秀。(4) I-BBO算法在正丁烷異構(gòu)化學(xué)反應(yīng)動力學(xué)模型參數(shù)辨識及操作優(yōu)化中的應(yīng)用。根據(jù)正丁烷異構(gòu)化反應(yīng)的實驗數(shù)據(jù)和化學(xué)反應(yīng)網(wǎng)絡(luò),使用I-BBO優(yōu)化算法對冪函數(shù)型動力學(xué)模型的參數(shù)進行了辨識。同時,對正丁烷異構(gòu)化學(xué)反應(yīng)的工藝操作條件進行了優(yōu)化,從理論上指導(dǎo)了正丁烷異構(gòu)化學(xué)反應(yīng)過程的最優(yōu)化進行。
【圖文】：

群體優(yōu)化算法中的適應(yīng)度。高適宜性指數(shù)解決方案代表了擁有很多生物的棲息地，低逡逑適宜性指數(shù)解決方案指的是擁有少量物種的棲息地。我們假設(shè)每一種解決方案（棲息逡逑地）都有一個相同的生物物種遷入遷出曲線，如圖２－１所示。但是解決方案所代表的逡逑Ｓ值取決于它的適宜性指數(shù)。Ｓ，代表一個低適宜性指數(shù)的解決方案，意思是一個有很逡逑少物種的棲息地，而Ｓ２則代表了一個高適宜性指數(shù)的解決方案表示一個具有許多物種逡逑的棲息地。然而對與Ｓ，的遷入率將會比＼的遷入率高。Ｓ，的遷出率卻比Ｓ２的遷出率低。逡逑單個棲息地的物種遷出遷入模型如圖２－１所示。圖中的遷入率入和遷出率ｕ是關(guān)于該逡逑棲息地物種數(shù)量的函數(shù)�？紤]到遷入率曲線。設(shè)該棲息地最大可能的遷入率為Ｉ，當逡逑１０逡逑

逡逑圖２－２所示。逡逑每種解決方案依概率按照遷入率和遷出率在棲息地間進行信息的分享。逡逑比率ｆ邐比率ａ逡逑ｒ＼邋；ｘ逡逑Ｖ７邋＾逡逑＾邋？邋邐ｒ逡逑ｋ0邐ｎ物種邐ｋ0邐ｎ物種逡逑ａ．二次線性遷移模型邐ｂ．余弦遷移模型逡逑圖２－２不同形式的遷移模型逡逑Ｆｉｇ．２－２邋Ｄｉｆｆｅｒｅｎｔ邋ｆｏｒｍｓ邋ｏｆ邋ｍｉｇｒａｔｉｏｎ邋ｍｏｄｅｌ逡逑（２）變異逡逑突如其來的大事件可以劇烈地改變自然棲息地的ＨＳＩ。這可以導(dǎo)致某物種數(shù)量偏逡逑離其平衡值（比如來自于鄰近棲息地的大量飄移者、疾病、自然災(zāi)害）。因此，一個逡逑棲息地的ＨＳＩ可以因為明顯的隨機事件而改變。在ＢＢＯ算法中把這種現(xiàn)象作為模型逡逑的突變，并且生物物種數(shù)量概率決定突變率。逡逑在圖２－１中，物種數(shù)量平衡時的物種數(shù)量記為Ｓ。，此時的遷入率和遷出率相等。逡逑然而，可能由于瞬時效應(yīng)的影響Ｓ。會出現(xiàn)漂移。正的漂移可能是由于井噴式的遷入（由逡逑異常引起的。也許，是來自鄰近的棲息地大塊漂浮物），或突然形成的物種大爆發(fā)（就逡逑像一個微型的寒武紀爆發(fā)）。負的漂移可能是由于疾病、特別貪婪的捕食者的引入，，或逡逑其它自然災(zāi)害。在一個大的擾動后，大自然需要花很長時間才能使物種數(shù)量達到新的逡逑平衡［４７］。逡逑現(xiàn)在
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：O643.12;TP18

【參考文獻】

相關(guān)期刊論文 前10條

1 羅丹;張宏立;;改進生物地理學(xué)算法辨識Hammerstein模型[J];計算機仿真;2014年05期

2 韓松;潘立武;;改進生物地理學(xué)算法及其應(yīng)用[J];人民黃河;2014年02期

3 陳基漓;;基于高斯變異的生物地理學(xué)優(yōu)化模型[J];計算機仿真;2013年07期

4 康琦;安靜;汪鐳;吳啟迪;;自然計算的研究綜述[J];電子學(xué)報;2012年03期

5 張永椺;汪鐳;吳啟迪;;自然計算在九大高新技術(shù)領(lǐng)域的應(yīng)用研究[J];微型電腦應(yīng)用;2010年10期

6 龔濤;蔡自興;;自然計算研究進展[J];控制理論與應(yīng)用;2006年01期

7 李明輝;碳四烴的綜合利用[J];石油化工;2003年09期

8 張晉梅,孫小玲;單調(diào)全局最優(yōu)化問題的凸化外逼近算法[J];應(yīng)用數(shù)學(xué)與計算數(shù)學(xué)學(xué)報;2003年01期

9 吳宏鑫,沈少萍;PID控制的應(yīng)用與理論依據(jù)[J];控制工程;2003年01期

10 趙曉華,曹雷,陳梅蓮,孫亮;非線性積分器的控制系統(tǒng)校正作用分析[J];北京工業(yè)大學(xué)學(xué)報;2002年02期

相關(guān)碩士學(xué)位論文 前6條

1 齊海龍;基于改進人工蜂群算法的非線性系統(tǒng)辨識方法研究[D];北京化工大學(xué);2015年

2 張愛;正丁烷異構(gòu)化催化劑的改性及效果評價[D];中國石油大學(xué)(華東);2014年

3 王鵬飛;焦爐煤氣二級加氫脫硫反應(yīng)動力學(xué)及反應(yīng)器模擬研究[D];北京化工大學(xué);2013年

4 吳斌;多變量系統(tǒng)的辨識及其PID整定[D];北京化工大學(xué);2008年

5 呂現(xiàn)杰;混合優(yōu)化算法在熱工對象系統(tǒng)辨識中的應(yīng)用研究[D];華北電力大學(xué)（北京）;2008年

6 陳韜;開放架構(gòu)的復(fù)雜過程系統(tǒng)建模與優(yōu)化[D];浙江大學(xué);2005年

本文編號：2587027