[发明专利]混沌粒子群算法及其在生化过程动态优化中的应用方法

权利要求书

1.一种混沌粒子群算法及其在生化过程动态优化中的应用方法，其特征在于，所述混沌粒子群算法及其在生化过程动态优化中的应用方法包括以下步骤：

步骤一，引入混沌机制，以混沌变量的遍历性改进粒子群算法；

步骤二，构建混沌粒子群算法；

步骤三，将混沌粒子群算法用于Park-Ramirez生物反应器补料流率的动态优化。

2.如权利要求1所述的混沌粒子群算法及其在生化过程动态优化中的应用方法，其特征在于，所述混沌粒子群优化算法为：

(1)粒子群优化算法

minf(x)＝f(x₁，x₂，…，x_n)，

x∈S＝{x＝(x₁，x₂，…，x_n)|a_i＜x_i＜b_i，i＝1，2，…，n}；

粒子群的规模为N，第i个粒子位置记为xi，所经历的最优位置，找到的最优解，称为个体极值pBesti，群体所经历的最优位置，为全局极值gBest；按照生物群的趋优性，PSO算法每个粒子的飞行速度vi和所在位置，令粒子群以迭代的方式不断搜优；

v_i＝ω₁×v_i+η₁×rand()pBest[i]-x_i)+η₂×rand()×(gBest-x_i)；

x_i＝x_i+v_i；

式中ω₁、η₁、η₂为控制参数，也称学习因子；rand()是[0，1]上的随机数；

(2)混沌变量cx_i的演变算式：

为cxi在第k步混沌演变后的值，当cxi(0，1.0)且cxi{0.25，0.5，0.75}时，将产生混沌现象，cxi在(0，1.0)内遍历；变量xi(ai，bi)可由式(6)、式(7)与混沌变量cxi(0，1.0)进行往返映射；

cx_i＝(x_i-a_i)/(b_i-a_i) (6)

x_i＝a_i+cx_i(b_i-a_i) (7)

(3)每个粒子不仅在个体极值与群体极值的引领下调整自身的位置，还将作混沌运动，构建CPSO算法；使粒子群尽量遍历整个搜索区域，获取有用信息，并用以逐代改进个体极值与群体极值。