基于遗传算法的煤低温干馏过程优化

• 作 者: 秦小莉
• 出 处: 西安科技大学
• 发表日期: 2011年期
• 关键词: 遗传算法 自适应遗传算法 低温干馏 优化

遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应搜索算法。它的研究历史相对较短,早期是一种试图从解释自然系统中生物的复杂适应过程入手来模拟生物进化的机制以便构造人工系统的模型。近年来整个世界范围内形成了进化计算热潮,计算智能已作为人工智能研究的一个重要方向,以及后来的人工生命研究兴起,使遗传算法受到特别广泛的关注。遗传算法作为一种新型优化算法,由于其具有简单、易于操作、使用方便、并行信息处理等特点,己经成为人们解决一些复杂问题的新思路和新方法,广泛应用于许多科学领域。然而其在理论和应用方法上仍存在许多不足和缺陷,例如存在容易产生早熟现象、局部寻优能力较差、收敛速度较慢、效率相对较低等等问题,影响了其进一步的应用。本文介绍了常规遗传算法的原理和方法,并围绕遗传算法的收敛性与运行效率对遗传算法进行了改进。主要工作如下:(1)对遗传算法的基本原理和实现技术进行了相应的概括和总结。并对遗传算法的各要素(编码、适应度函数、遗传算子、参数选择等)进行了理论分析。(2)在对遗传算法的原理、流程、遗传算子及相关理论进行了较深入的研究和分析的基础上,对算法实行了改进,提出一种全新的自适应遗传算法,这种算法将曼哈坦距离成功引入初始群体中以产生自适应交叉算子和变异算子。(3)使用改进的自适应遗传算法对煤低温干馏过程中的优化问题进行了研究,使整个过程中的资源利用、产品的总体效益达到最大化。通过比较各算法计算结果,证明改进过的算法具有非常优良的品质。