多子群循环GA算法估计重油裂解模型参数
(0) 重油裂解模型的参数估计是一个高度非线性的优化问题，使用传统求解方法往往不易得到满意解。遗传算法有较强的全局搜索性能，而且不需要目标函数的梯度信息，因此可用于估计重油裂解模型的参数。但是遗传算法在进化过程中易早熟，收敛于局部最优解。针对这一问题，本文在标准遗传算法的基础上，加入多子群循环策略，得到了多子群循环遗传算法。在此算法中，种群满足一定条件时会循环产生新染色体，生成新的随机子群，以增加种群基因多样性，从而有效避免早熟现象。另外，为进一步得到全局最优解，本文还使用了混合遗传算法进行局部优化。将多子群循环遗传算法用于重油裂解模型参数的估计中，算得的预测误差比标准遗传算法和优进策略遗传算法的误差分别降低了21.80％和6.21%，取得了明显效果。
重油裂解模型 遗传算法 多子群循环策略 误差分析
董琳 王宁
浙江大学工业控制技术国家重点实验室， 浙江杭州 310027
国内会议
厦门
中文
1-6
2012-08-01（万方平台首次上网日期，不代表论文的发表时间）