论文部分内容阅读
差分进化(DE)算法是一种基于群体差异的启发式随机搜索算法,其原理简单、控制参数少、鲁棒性强,同时也存在着早熟收敛、局部搜索能力差的问题。本文通过对差分策略及控制参数的分析研究,提出一种新型的差分进化算法一基于单纯形方法的差分进化算法(SDE)。该算法运用单纯形思想来改进差分策略,变异操作时在父代个体的矢量差的基础上,执行反射、延伸和压缩等操作来产生和寻求更优秀的子代个体,从而将单纯形强大的局部搜索能力与差分进化算法的全局搜索能力结合起来,改善算法的性能。
同时,在搜索后期通过计算种群聚集度和进化速度适当对种群进行重构,并更新变异率和交叉率以保证种群的多样性。本文采用SDE算法和DE算法的两种典型差分策略分别对多个标准测试函数进行优化计算,结果表明SDE算法比DE算法具有更好的全局寻优能力,搜索到全局最优解概率大,且局部搜索能力强,获得最优解的精度高。为进一步验证算法的有效性,本文选用了一个二阶系统和一个纯滞后系统分别采用SDE算法来整定其PID控制器的参数,均收到理想的效果。最后将SDE算法用于乙炔加氢反应器出口乙炔浓度的软测量建模,仿真结果表明该算法能提高模型的精确度,降低预测误差,具有较高的实用价值。