基于改进的小世界网络的组搜索算法及其应用
针对合成氨工艺中，合成塔出口氨含量软测量神经网络模型的参数优化问题，提出了一种改进的小世界网络模型，并将 其引入到组搜索优化算法中。改进后的小世界网络在计算节点之间相连接的概率时考虑节点间的距离因素，相距较近的节点间 比相距较远的节点之间更容易连接。将改进后的小世界网络引入组搜索算法后，种群中的“追随者”在每次迭代中，根据当前迭 代次数及与其它个体间的距离计算自身与其它个体的相连接概率，相连概率随着迭代增加而线性增大，随着个体间距离的增加 而指数递减。“追随者”根据相连概率选择与自身相连接的个体，再用与其相连的个体构建自身的“邻域”并选取“邻域”中的最优 个体作为局部最优解个体。“追随者”更新自身位置时不仅参考整个种群中的全局最优个体，还同时参考自身邻域中的局部最优 个体。该算法能够提高种群中个体的多样性，具有更好的全局搜索能力和收敛速度。将该算法应用于氨合成塔出口氨含量软测 量建模问题中，对神经网络模型的参数进行优化，并与其它3 种方法比较。仿真结果表明，基于改进的小世界网络模型的组搜 索算法能够获得更好的模型参数，提高软测量模型的精度。
组搜索 小世界网络模型 合成氨 软测量
阎兴頔 赵晶晶 侍洪波
华东理工大学化工过程先进控制和优化技术教育部重点实验室 上海 200237
国内会议
南京
中文
651-655
1900-01-01（万方平台首次上网日期，不代表论文的发表时间）