[发明专利]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

说明书

技术领域

本发明涉及过程建模方法，尤其涉及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。

背景技术

随着化工生产的规模化和大型化，对化工过程控制的要求不断提高，建立高精度的化工过程模型是实现有效控制的重要途径。化工过程具有非线性、时滞性、一些变量不可测量性、变量间的耦合性等，这使得化工过程建模成为研究难点和热点。受生物科学技术研究成果的启发，基于生物计算的化工过程优化建模方法迅速发展。例如人工神经网络、遗传算法、蚁群算法、禁忌搜索等。这些基于生物计算的优化算法在求解复杂化工过程优化建模问题方面展示了它们的优越性。其中遗传算法作为一种对问题要求不严格、适应面广的随机搜索方法，具有较强的全局搜索能力，然而传统的遗传算法存在局部搜索能力差且易早熟收敛的不足。DNA遗传算法有效克服了传统的遗传算法的缺点，受蜂群繁殖行为和蜂群采蜜行为的启发，本发明提出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，可用于解决多变量、非线性的复杂化工过程的优化建模问题。将此方法用于解决重油热解三集总模型的参数估计中，得到了较为理想的效果。

发明内容

本发明的目的是针对化工过程建模技术的不足，提供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。

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p_zd、重构交叉概率p_cg、移码变异概率p_ym、普通变异概率p_pt，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）。

所述的算法的终止准则为：算法的运行代数达到最大代数。

所述的蜂群繁殖启发式、蜂群采蜜启发式、选择算子、交叉算子、变异算子为：

1）蜂群繁殖启发式