本发明专利技术公开了一种基于蜂群行为的DNA遗传算法的复杂化工过程建模方法。包括如下步骤：（1）通过实验获得化工过程中的输入和输出采样数据，针对同一组化工过程的输入采样数据，将模型的估计输出与化工过程的实际采样输出的误差绝对值之和作为适应度函数；（2）设定算法的控制参数；（3）运行算法对化工过程模型中未知参数进行估计，通过最小化目标函数值，获取模型中对未知参数的估计值，并将模型中未知参数的估计值代入化工过程模型中，得到最优化工过程模型。本发明专利技术采用基于蜂群采蜜行为和蜂群繁殖行为的DNA遗传算法，不仅能使所建立的化工过程模型具有较高的拟合精度，而且具有收敛速度快、种群多样性丰富的特点。
【技术实现步骤摘要】
【技术保护点】
一种基于蜂群行为的DNA遗传算法的复杂化工过程建模方法，其特征在于包括以下步骤：1）通过实验获得化工过程中的输入和输出采样数据，针对同一组化工过程的输入采样数据，将化工过程模型的估计输出与化工过程的实际采样输出的误差绝对值之和作为适应度函数；2）设定基于蜂群行为的DNA遗传算法的控制参数，包括种群规模Size、种群进化代数G、编码长度l、置换倒位交叉概率pzd、重构交叉概率pcg、移码变异概率pym、普通变异概率ppt，工蜂群和雄蜂群比例GFQ:XFQ、低位进化操作位数WN、种群更新阈值TT、算法终止法则；3）运行基于蜂群行为的DNA遗传算法对化工过程模型中未知参数进行估计，通过最小化目标函数值，获取化工过程模型中对未知参数的估计值，作为化工过程模型未知参数的估计值代入化工过程模型中，形成最优化工过程模型，其具体步骤为：（1）设定基于蜂群行为的DNA遗传算法的初始参数和化工过程模型参数的搜索范围，确定算法终止法则；（2）随机产生Size个长度为CodeL＝n×l的初始种群，n为变量数，设当前进化代数为1；（3）将化工过程模型的估计输出和化工过程的实际采样输出数据的误差绝对值之和作为适应度函数，计算种群个体适应度值，并记录当代最好适应度对应的个体FW和个体变量值；（4）基于蜂群繁殖启发式，将种群按照工蜂群和雄蜂群比例GFQ:XFQ比例随机分为两部分；（5）执行交叉算子：对工蜂群执行置换倒位交叉和重构交叉；对雄蜂群，采取当代最优个体FW与每个个体都进行交叉，交叉位数根据适应度值确定，交叉位点随机；（6）重复步骤（5），直至产生0.5Size个新个体，此时种群规模为1.5Size；（7）执行变异算子：对1.5Size的新种群执行移码变异操作和普通变异操作；（8）执行选择算子：根据Boltzmann选择策略和精英保留策略从1.5Size的种群中选取Size个体；（9）基于蜂群采蜜启发式，执行低位进化取补操作；（10）进化代数大于2时，记录最优个体适应度值连续保持不变的代数TT， 若TT大于预设值15～30，则进行种群更新策略，种群更新规则为：保留最优个体，并随机产生Size?1个个体，组成新种群；（11）判断是否满足终止条件：若满足终止条件，则输出当前最优个体对应的问题的解，作为化工过程模型未知参数的估计值代入化工过程模型中，形成最优化工过程模型；否则返回步骤（3）。...
【技术特征摘要】
【专利技术属性】
技术研发人员：杨凤姣，王宁，
申请(专利权)人：浙江大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。