[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

说明书

本发明属于化工技术领域，公开了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，在PSO中引入混沌映射，构建为混沌粒子群算法，保持PSO的优化机制，又利用了混沌的遍历特性，以克服PSO的不足。测试结果和应用都反映了CPSO的良好性能。本发明运算简洁，应用方便，适于求解连续问题，但它不具备遍历特性，难以全面获取目标函数的有用信息，影响了全局优化性能。为此，本发明引入混沌变量，以其遍历性改进经典PSO，使之能从整个搜索域中汲取信息，并用以逐代更新的个体极值和群体极值中，提高算法的全局搜优效率。

技术领域

本发明属于化工技术领域，尤其涉及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。

背景技术

过程系统优化是化工过程设计、操作及控制的重要课题，有关连续系统的优化问题常可表示为复杂的非线性微分方程组，如式(1)所示，其中u、x分别为控制变量和状态变量，

minJ(u，x)

理论已证明，这种多维动态系统在一定条件下存在最优解，主要用变分法求解，其适用范围有限；故在化工等领域内多采用近似数值解，相应地有迭代动态规划、迭代遗传算法和分级优化等方法；它们或需将状态变量离散化，或需编码而使计算变得复杂；粒子群优化算法(particleswarmoptimiza-tion，PSO)运算机理简洁，适合求解连续问题，在各领域已有广泛应用，但易陷于局部极值。对此，已有一些改进策略，如动态调节参数等，但操作较困难。

综上所述，现有技术存在的问题是：粒子群优化算法 (particleswarmoptimiza-tion，PSO)运算机理简洁，适合求解连续问题，在各领域已有广泛应用，但易陷于局部极值；对此，已有一些改进策略，如动态调节参数等，但操作较困难。

发明内容

针对现有技术存在的问题，本发明提供了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。

本发明是这样实现的，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，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。

进一步，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；