粒子群优化算法及其工业应用PDF电子书下载

第1章 绪论 1

1.1引言 1

1.2计算智能概述 1

1.3群智能概述 5

1.3.1蚁群算法简介 6

1.3.2人工鱼群算法简介 10

1.3.3混合蛙跳算法简介 13

1.3.4粒子群算法简介 14

参考文献 19

第2章 基本粒子群算法 28

2.1引言 28

2.2基本粒子群算法的原理 29

2.3基本粒子群算法的模型分析 30

2.4基本粒子群算法的参数分析 32

2.5基本粒子群算法的种群拓扑结构 34

2.6基本粒子群算法的改进研究 36

参考文献 39

第3章 测试函数特征与算法搜索模式 43

3.1引言 43

3.2测试函数特征与优化性能 43

3.2.1测试函数的控制域 43

3.2.2单极值问题优化性能分析 45

3.2.3多极值问题优化性能分析 46

3.2.4欺骗性问题优化性能分析 47

3.2.5高维问题优化性能分析 48

3.2.6实验仿真 49

3.3粒子群算法的搜索模式 55

3.3.1收敛模式 56

3.3.2深度搜索模式 58

参考文献 65

第4章 改进粒子群算法 66

4.1社会粒子群算法 66

4.1.1社会粒子群算法基本思想 66

4.1.2社会粒子群算法实现步骤 68

4.1.3社会粒子群算法从众阈值的选取 69

4.1.4静态函数仿真测试 71

4.1.5动态函数仿真测试 72

4.2自适应粒子群算法 74

4.2.1自适应粒子群算法思想 75

4.2.2自适应粒子群算法实现步骤 76

4.2.3自适应粒子群算法实验测试 76

4.3基于扰动变异的粒子群算法 83

4.3.1基于高斯白噪声扰动变异的粒子群算法 83

4.3.2动态双变异粒子群算法 89

4.4混合粒子群算法 98

4.4.1混沌粒子群算法 98

4.4.2协同量子粒子群算法 105

4.4.3基于量子理论的粒子群算法 121

4.5相位角粒子群算法 126

4.5.1相位角粒子群算法的结构 126

4.5.2相位角粒子群算法实现步骤 127

4.5.3 函数仿真测试 127

4.6基于载波的粒子群算法 130

4.6.1基于载波的全局搜索 130

4.6.2基于载波扩展的局部精确搜索 131

4.6.3基于载波的粒子群算法实现步骤 133

4.6.4函数仿真测试 134

参考文献 138

第5章 粒子群算法在汽油调合优化中的应用 142

5.1汽油调合建模方法 143

5.1.1辛烷值调合效应模型 143

5.1.2雷德蒸汽压模型 144

5.2汽油调合优化方法 145

5.2.1离线调合优化技术 145

5.2.2在线调合优化技术 146

5.3汽油调合优化方法仿真研究与现场应用 150

5.3.1离线优化技术的仿真学习 150

5.3.2离线优化技术的现场应用 155

5.3.3在线优化技术的仿真学习 160

参考文献 163

第6章 粒子群算法在乙烯装置优化运行中的应用 164

6.1乙烯裂解炉裂解深度优化 164

6.1.1乙烯裂解炉裂解深度优化目标 165

6.1.2乙烯裂解炉裂解深度优化控制方案 165

6.2乙烯装置蒸汽管网用能优化 176

6.2.1乙烯装置蒸汽管网用能优化模型 178

6.2.2基于协同量子粒子算法的蒸汽管网用能优化 180

参考文献 181

第7章 粒子群算法在精对苯二甲酸装置优化运行中的应用 183

7.1 PX氧化反应过程操作优化 184

7.1.1 PX氧化反应动力学模型 184

7.1.2神经网络宏观速率常数模型 185

7.1.3 PX氧化反应宏观动力学模型 186

7.1.4乙酸和PX的燃烧损失模型 187

7.1.5 PX氧化反应过程的建模 189

7.1.6基于θ-PSO算法的PX氧化反应过程操作优化 189

7.2 PX氧化反应尾气冷凝系统用能优化 193

7.2.1 PX氧化反应尾气三级冷凝系统流程模拟 193

7.2.2 PX氧化反应尾气四级冷凝系统流程模拟 195

7.2.3基于混沌粒子群算法的PX氧化反应尾气冷凝系统用能优化 196

7.3粗对苯二甲酸加氢精制反应过程操作优化 199

7.3.1加氢精制反应宏观动力学模型 200

7.3.2加氢精制反应器模型 201

7.3.3加氢精制反应过程的建模 202

7.3.4基于θ-PSO算法的加氢精制反应过程的操作优化 202

7.4加氢精制过程结晶器-换热器综合网络用能优化 207

7.4.1结晶器-换热器综合网络模型 209

7.4.2基于改进粒子群算法的结晶器-换热器综合网络用能优化 209

参考文献 211

第8章 粒子群算法在建模和控制中的应用 213

8.1软测量建模 213

8.1.1软测量技术原理 213

8.1.2粒子群算法在软测量建模中的应用 215

8.1.3基于动态双变异粒子群的丙烯精馏塔软测量建模 216

8.1.4基于自适应粒子群的对羧基苯甲醛软测量建模 221

8.2超声马达的辨识与控制 223

8.2.1基于异化粒子群算法的Elman网络学习算法 224

8.2.2基于DPSO学习算法的Elman网络对超声马达的辨识 226

8.2.3基于DPSO学习算法的Elman网络对超声马达的速度控制 230

参考文献 232

第9章 粒子群算法在车间调度作业中的应用 234

9.1车间作业调度 234

9.1.1 Job Shop调度问题描述 234

9.1.2 JSSP性能指标的正规性、等价性和活动调度 236

9.2基于粒子群优化的车间作业调度问题求解 237

9.2.1粒子群系统中JSSP问题的表述 237

9.2.2初始粒子群生成 238

9.2.3目标函数和适应度函数 238

9.2.4冗余性与二级编码 239

9.2.5粒子群系统的更新方式 240

9.2.6基于粒子群优化求解JSSP问题的流程 241

9.2.7数值模拟实验及结果 242

9.3基于粒子群优化与人工免疫系统的混合智能算法求解车间作业调度问题 244

9.3.1基于人工免疫系统的车间作业调度问题求解 245

9.3.2基于PSO和AIS的混合智能算法 248

9.3.3数值模拟实验及结果 248

参考文献 257

第10章 粒子群算法在数据挖掘中的应用 259

10.1数据挖掘概述 259

10.1.1数据挖掘的产生及发展 259

10.1.2数据挖掘的定义与功能 259

10.1.3粒子群优化算法在数据挖掘中的应用 264

10.2免疫混合粒子群增量分类算法 266

10.2.1免疫记忆 266

10.2.2人工免疫分类方法 267

10.2.3基于免疫记忆的粒子群增量算法 270

10.2.4仿真分析 271

参考文献 275

附录A常用的测试函数 279