[发明专利]一种自适应布谷鸟算法及其在化工优化中的应用方法

说明书

本发明属于化工技术领域，公开了一种自适应布谷鸟算法及其在化工优化中的应用方法。本发明提出一种变步长自适应布谷鸟搜索算法(VSACS)，将基本布谷鸟搜索(CS)算法中的随机步长改进成根据迭代次数自适应调整的步长。通过15个标准测试函数的测试，结果验证了改进的算法有较快的收敛速度和较高的求解精度。最后将改进的算法用于批示反应器、管式反应器、生物反应器等3个典型的化工动态优化问题中，获得了满意的实验结果，同时也进一步表明该算法的有效性。

技术领域

本发明属于化工技术领域，尤其涉及一种自适应布谷鸟算法及其在化工优化中的应用方法。

背景技术

随着环境和能源问题的日益突出，化工过程的优化越来越受到人们的关注。化工过程的数学模型一般均为动态优化模型形式。因此，对化工过程的动态优化的分析是一个研究热点。化工动态优化就是寻求控制化工过程中的－个或几个操作变量，使得过程的某个指标达到最优。目前为止，国内外学者通过很多方法对化工动态优化问题进行研究，其中主要的方法有：基于庞特里亚金的极值原理；贝尔曼最佳原理；线性规划法；迭代动态规划法；智能算法等。由于传统的算法在求解动态优化问题时需要求出梯度，而复杂的实际模型很难做到’因此利用智能算法分析该问题已成为了近年来一个研究方向。布谷鸟搜索(CuckooSearch)算法是－种新型的元启发式群智能算法，它是在2009年由学者XinsheYang等提出的，由于其简单、易于实现、可调参数少等特点而受到了学者们的广泛关注。CS一经提出就显不了它相对于目前已有的遗传算法(GA)和粒子群算法(PSO)等的优势。算法已在设计最优化商业最优化，相平衡计算，可靠性最优化職优化，酬获得应用。但该算法也存在自身的－些不足，比如计算精度不高、收敛速度较慢等。针对这些问题，本文提出－种变步长自适应CS算法，测试结果表明了改进的算法能够提高CS算法的求解精度以及收敛速度，最后将所提出的算法应用于化工动态优化问题中，获得了满意的效果。

综上所述，现有技术存在的问题是：群智能算法求解此类优化问题时不可避免地存在后期收敛速度慢、求解精度的不高等不足。

发明内容

针对现有技术存在的问题，本发明提供了一种自适应布谷鸟算法及其在化工优化中的应用方法。

本发明是这样实现的，一种自适应布谷鸟算法及其在化工优化中的应用方法包括以下步骤：

步骤一，将基本布谷鸟搜索(CS)算法中的随机步长改进成根据迭代次数自适应调整的步长；

步骤二，通过15个标准测试函数的测试；

步骤三，最后将改进的算法用于批示反应器、管式反应器、生物反应器等3个典型的化工动态优化问题中。

进一步，所述动态优化问题的描述：

动态优化问题的一般形式如下：

问励实质就是在满足约束条件下选择控制策略u，使性能指标J达到最优。

进一步，所述基本cs算法:

基本的CS算法中，设定了如下3个理想状态：

(1)布合鸟每次只产一1蛋，并随机寻找鸟窝进行孵化；

(2)随机寻找的鸟窝中，最好的鸟窝位置将被保留进入下一代；

(3)外来鸟蛋被鸟窝的主人发现的概率是P_α∈[0，1]。

布谷鸟寻找鸟窝位置的更新公式是：