[发明专利]一种基于单纯形法的萤火虫方法

说明书

本发明属于群智能优化算法领域，公开了一种基于单纯形法的萤火虫方法及应用。萤火虫算法和其他的算法一样存在步长因子α和吸引度β的确定不易性问题，定得小了，局部搜索的精度提高，但要实现整体区域的搜索所需的时间必定会长；而若定得大了，则存在搜索精度不高的不足。为此，拟结合以单纯形法的局部性能改进萤火虫算法性能。通过在算法过程中，以适当的方式增加单纯形法的局部搜素，提高萤火虫算法的局部性能。本发明在优化方面有较强的优势，在一定程度上有效地避免了陷入局部最优和提高了搜索的精度，最后将改进的算法用于內源蛋白质生产过程的控制问题的求解。

技术领域

本发明属于群智能优化算法领域，尤其涉及一种基于单纯形法的萤火虫方法。

背景技术

目前，业内常用的现有技术是这样的：內源蛋白质是一种含氨基的有机酸，非常重要的一种物质，具有广泛的应用。为此，很多的学者对它进行了研究。利用內源蛋白鉴别原发性中枢神经系统淋巴瘤与高级别神经胶质瘤；对内源蛋白质分子成像进行研究；研究了內源蛋白质的转化规律；建立了内源蛋白质巯基亚硝基化修饰定量组学。为此，对內源蛋白质的生产广受关注。内源蛋白质生产的一种方法就是利用酵母菌在反应器中生产，反应器为流加式。在生产过程中，为了维持菌体正常的生理代谢需要补充营养剂，营养剂的投放流量对最终内源蛋白质生产量起至关重要作用。在考虑主体细胞生长、基因表达、压榨多肽酶的分泌等因素下，对问题加以模型化，故称Park-Ramirez生物反应。内源蛋白质的生产过程的优化模型可表示为：

maxJ＝z₁(t_f)z₅(t_f)，

t_f＝15h。

其中：

状态变量z₁为内源蛋白质浓度(g·l^-1)，z₂为所有蛋白质的浓度(g·l^-1)、z₃为培养细胞密度(g·l^-1)、z₄为底物浓度(g·l^-1)，z₅为滞留量体积(l)，控制变量u为营养剂补料葡萄糖流率(l·h^-1)。通过控制[0,t_f]全程的补料流率u，使最终目标产物的产量J＝z₁(t_f)z₅(t_f)达到最大。初值条件为z(0)＝[0 0 1 5 1]。这是一个动态的最优控制的控制问题。目前，国内外对于化工动态过程优化问题的求解研究可分为两大类：解析解的求解研究与数值解的求解研究。解析法又分为变分法和基于贝尔曼最佳原理的动态规划方法。在与解析法相比，数值解法的研究更受到工程界的青睐。数值解以n个分段函数逼近控制量函数，在每一段上都是常量函数。这样就把求解控制量函数的问题转化为求解n维优化问题。数值解从计算机控制角度看，可以直接应用于过程操作控制。利用数值解控制啤酒发酵过程，取得良好效果；利用数值解研究了催化裂化装置再生器裕量分析与控制设计，最终设计的结果既能满足工艺要求，又能实现良好的自动控制；这些都充分说明数值解的优越性。萤火虫算法(Firefly Algorithm，FA)是在2008年提出的一种启发式智能优化方法，其基本思想来源于萤火虫成虫利用发光的生物学特性而表现出来的觅食、求偶、警戒等社会性行为。算法提出后，受到国内外许多学者的关注和研究，并且已经成功应用于组合优化、路径规划、图像处理、经济调度等领域。与其他优化算法类似，基本FA算法的随机性较大，且存在收敛速度慢、求解精度不高的问题。

综上所述，现有技术存在的问题是：基本FA算法的随机性较大，且存在收敛速度慢、求解精度不高。