基于微粒群算法的油品调合优化-研究

《基于微粒群算法的油品调合优化-研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、浙江大学硕士学位论文第一章绪论提要；本章回顾了微粒群算法的起源和发展历程，分析了算法的研究现状和发展方向。简要介绍了油品调合优化问题，并对目前针对油品调合问题的解决方案进行了总结．最后介绍本文的研究工作．关键词：微粒群算法，进化计算，群体智能。综述，油品调合1．1引言人们做任何事情都希望以最小的代价获得最佳的效果，丽企业则希望用最少的成本获取最大化的利润，这些情况都可以归结为最优化问题。随着经济全球化的发展，市场竞争愈加激烈，迫使企业必须结合企业自身特点，及时预测市场需求，最大化发挥现有资源效能，以低投入高产出的生产方式，生产符合市场要求的合格产品。优化技术的应用大

2、大提高了生产效率，实现了生产的节能降耗，为企业带来了巨大的经济效益。目前，在市场经济的环境下，一些发达国家企业对生产经营计划和生产调度优化普遍给予了高度的重视，并投入大量的人力物力开发优化技术，努力将优化技术应用到实际的生产方案中。因此如何从工业实际出发，寻找快速有效的优化算法，使生产流程处于节能高产的最优状态具有很大的现实意义。最优化问题的数学描述就是在满足一定约束条件的前提下，寻找一组参数值，使某给定最优性度量函数或系统的某些性能指标达到最优【¨。最优化问题具有多样性的特点，根据目标函数、约束函数的性质以及优化变量的取值类型等可以分为许多种类，每一种类型的优化问

3、题根据其性质的不同都具有其特定的求解方法。根据目标函数和约束函数的解析性质，最优化问题一般可分为线性规划及非线性规划，目标函数和约束函数均为线性函数的问题称为线性问题，对应的数值求解方法称为线性最优化(规划)算法；目标函数和约束条件中，至少有一个为非线性函数的问题，成为非线性问题，对应的数值求解方法称为非线性最优化(规划)算法。根据是否具有约束条件，可以将最优化问题划分为无约束问题和约束问题，对应的数值解法称为无约束算法和约束算法。根据优化问题变量的多少可以把最优化算法分为单变量算法和多变量算法。表1．1就是根据上述原则分类的最优化问题和对应求解算法。’目前线性规划

4、问题已经形成了一套系统的解决方案，而非线性规划问题虽然有较多求解算法，但对于多变量有约束的复杂非线性问题尤其是含离散交量和二进制变量的组合优化问题仍较难求解。为有效解决这个问题，人们试图离开解析确定型的优化问题研究领域，转而探讨对函数解析性质要求低甚至不作要求的随机智能优化算法。第一章绪论表l_l最优化问题和算法分类问题特征问题性质算法特征算法名称特征1特征2线性目标函数和约束函数均为线性顶点转换单纯形法黄金分荆法单变量无约束或有约束一维搜索二次插值法梯度法利用导数牛顿法无约束变尺度法不利用导数共轭梯度法非线性鲍威尔法直接求解可行方向法多变量序列二次规划法惩罚函数法

5、有约束乘子法间接求解神经网络算法遗传算法群体智能算法1．2群体智能算法群体智能算法源自于人们从大自然和生物生命演化过程中受到的启示。作为一种随机优化算法，其开创了探索优化方法的新途径，并以其高效的寻优能力和广泛的适用性受到较多关注。群体智能算法仅涉及基本的数学操作，无需构造精确的数学搜索方向，仅是通过大量简单的信息传播和演变方法来得到问题的最优解。更重要的是，群体智能算法潜在的并行性和分布式特点为处理大量以数据库形式存在的数据提供了技术保证。鉴于群体智能算法具有全局性、自适应性、离散化等优点，无论从理论研究还是从应用研究的角度分析均具有重要的学术价值和现实价值。目前

6、群体智能理论主要包括蚁群算法(Antcolonyoptimization,ACO)和微粒群算法(Particleswarmoptimization,PSo)，这两种算法因其易于实现并可求解多数优化问题而得到了广泛的应用．蚁群算法又称蚂蚁算法，是模拟蚁群的食物采集过程的一种仿生优化算法，一般用来在图中寻找优化路径。它由MarcoDorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。微粒群算法也起源于简单的社会系统模拟，其基本思想是受到Heppner的鸟类模型研究结果的启发，将鸟类寻找栖息地与对一个特定问题寻找解联系起来。Kenn

7、e：cly和Ebb'hart修正了该生物群体模型以使微粒能够飞向解空间并在最优解处降落，并于1995年正式发表了题为“particleswal'lnoptimization”的文章，标志着微粒群算法的诞生伍甜。2浙江大学硕士学位论文1．3微粒群算法研究现状及发展方向微粒群算法自提出以来受到了国内外相关领域众多学者的广泛关注，涌现了大量研究成果。目前针对微粒群算法的研究主要集中在算法的改进、算法的理论分析和拓展算法的应用领域三个方面。1．3．1算法的改进作为一种新颖的优化搜索算法，微粒群算法从出现至今，研究者在算法的改进上做了大量的研究工作，主要集中在算法结构和性