论文部分内容阅读
本文针对原始果蝇优化算法的缺点加以改进，并在单目标和多目标问题上进行研究分析，最后以GE气化炉为研究对象，以有效合成气产率最大化为优化目标，氧煤比和水煤浆浓度为决策变量，对气化模型进行优化。本文的主要工作如下: (1)针对果蝇算法容易陷入局部极值、收敛速度慢和收敛精度低的问题，基于粒子群优化算法中社会认知因子和差分演化算法的变异算子，本文提出了一种多策略果蝇优化算法(SFOA)。经过8个测试函数的仿真实验对比，SFOA具有更好的全局搜索能力、更快的收敛速度和更高的收敛精度。最后，将SFOA运用到基于吉布斯自由能最优化方法的气化模型中，SFOA能快速找到最优值，证明了SFOA的有效性。 (2)然而由于原始的果蝇算法只能解决最优解在原点位置的问题，因此原始果蝇算法的实用范围很小。本文通过归一化方法改进了原始果蝇算法的味道浓度判定值，使果蝇算法能应用于广域的搜索空间中，提出了基于差分进化的果蝇优化算法(DFOA)。通过与其他算法对12个测试函数的仿真比较，实验证明改进后的DFOA具有更强的全局搜索能力和更快的收敛速度，以及在高维函数上的收敛稳定性。最后将DFOA运用到基于反应器网络化的气化模型，验证了DFOA在实际工业运用中的有效性。 (3)在算法改进的基础上，本文继续研究了基于差分进化的果蝇算法在多目标问题上的性能，引入Pareto支配关系的适应度值分配策略，密度估计技术，外部档案集保留最优个体技术和个体截断操作，并以基于差分进化的果蝇优化算法为进化策略，提出了一种多目标果蝇优化算法(MODFOA)。最后，通过10个测试函数实验仿真，结果表明，新算法对最优可行边界解的搜索能力强，在提高算法收敛速度的同时保持了解的分布性。