论文部分内容阅读
生物地理学优化算法(Biogeography-Based Optimization Algorithm)是一种生物地理学启发式的群智能优化算法。该算法研究生物种群生存、繁衍、衰落和灭绝等行为,通过模拟种群迁徙、变异而构造出的一种群智能优化算法。该算法具有机制新颖,结构简单、易于实现等特点;随着生物地理学优化算法理论研究的进展,其应用也越来越广泛,逐渐引起了国内外诸多学者的关注。但是,该算法的性能还有待进一步改进。本文针对生物地理学优化算法在寻优过程中出现的收敛容易陷入早熟的现象,提出了一种改进的生物地理学优化算法I-BBO (Improved Biogeography-Based Optimization)算法。改进算法是在生物地理学的基础上,引入人工驯养的概念,把人工驯化理论与生物地理学相结合,解决了BBO算法在后期存在搜索动力不足的问题。本文将改进算法应用到系统辨识、控制器参数整定和正丁烷异构化学反应动力学建模及操作优化中都收到了良好效果。因此课题的主要研究内容为BBO算法的改进及其应用,概括为:(1)生物地理学优化算法的改进。生物地理学优化算法虽然收敛速度快,但是后期存在搜索动力不足的问题。针对该问题,本文将人工驯养的概念和生物地理学相结合,提出了改进的I-BBO算法。为了探索I-BBO算法的性能,将其和其他五种基于群智能的优化算法对基本测试函数进行了性能测试比较。仿真实验表明:I-BBO算法提高了物种的多样性,增强了算法的搜索能力,加快了寻优速度。(2) I-BBO算法在系统辨识中的应用。本文使用二阶加时滞系统来近似复杂的工业系统,并采用多种智能优化算法对参数进行辨识。然后,将这种方法推广到闭环系统模型辨识中,给出了闭环系统的可辨识性,利用了群智能优化算法对闭环系统进行了辨识。仿真结果表明了 I-BBO算法的优越性能。(3) I-BBO算法在PID控制器参数优化中的应用。本文通过两个不同对象控制器的参数整定实例,来验证I-BBO算法的性能,仿真结果表明,改进的I-BBO算法在优化PID控制器参数上比原有的BBO算法更加的优秀。(4) I-BBO算法在正丁烷异构化学反应动力学模型参数辨识及操作优化中的应用。根据正丁烷异构化反应的实验数据和化学反应网络,使用I-BBO优化算法对幂函数型动力学模型的参数进行了辨识。同时,对正丁烷异构化学反应的工艺操作条件进行了优化,从理论上指导了正丁烷异构化学反应过程的最优化进行。