[发明专利]一种高维化工数据共轭粒子群算法处理方法

说明书

本发明属于化工数据处理技术领域，公开了一种高维化工数据共轭粒子群算法处理方法。本发明将共轭方向法与粒子群算法相结合处理高维数据。当粒子群算法迭代了一定步数而陷入局部极值并得局部最优解x*时，以x*为初值，用共轭方向法对其求解，利用粒子群算法对低维优化问题的有效性，将得新的更优的当前最优解x**，从而使算法跳出局部极值；在新极值的条件下，又用粒子群算法对原问题求解，如此反复直至结束。通过经典的测试函数对其测试，结果表明这一尝试是有效的。最后将算法用于SO2催化氧化反应动力学模型的非线性参数估计，获得满意效果。

技术领域

本发明属于化工数据处理技术领域，尤其涉及一种高维化工数据共轭粒子群算法处理方法。

背景技术

化学反应的速率通常与反应物的浓度、压力、温度以及所用的催化剂等有关，建立反应速率模型，进而可用于预测与优化，亦可用于深入研究化学反应的内涵。建模可从机理出发；也可基于实验数据，先依据机理导出模型的函数形式，其中尚有的待定参数，以样本数据为基础进行估计，这种半机理半经验的模型往往是较好的选择。化工问题得到的样本数据多为高维数据，从而依据样本数据进行参数估计就为高维函数的优化问题。粒子群算法对维数较低的目标函数能取得良好的效果，而当目标函数的维数较高时则效果不如意。

综上所述，现有技术存在的问题是：化工数据多为高维数据，而粒子群算法对求解高维优化问题易陷局部极值。

发明内容

针对现有技术存在的问题，本发明提供了一种高维化工数据共轭粒子群算法处理方法。

本发明是这样实现的，一种高维化工数据共轭粒子群算法处理方法包括以下步骤：

步骤一，粒子群算法迭代了一定步数而陷入局部极值并得局部最优解x*时，以x*为初值，用共轭方向法对其求解；

步骤二，利用粒子群算法对低维优化问题的有效性，将得新的更优的当前最优解x**，从而使算法跳出局部极值；

步骤三，在新极值的条件下，又用粒子群算法对原问题求解，如此反复直至结束。

进一步，所述基本粒子群算法及其数学分析为：

设优化问题表述为：

(1)基本粒子群算法(PSO)：

粒子群算法(PSO)[1～3]是对鸟群等群体生物行为的仿生，称每个生物个体为粒子，PSO将由一组粒子在n维空间中搜索最优解，每个粒子所处的位置表示一解向量，作为智能体它能记住自身搜索到的最优解，并获取全粒子群所经历过的最优解，由此指导其移动，逐步迭代寻得最优解。

记第i个粒子在第j代时的位置为x_i(j)，它本身和全粒子群所搜索到的最优解分别为p_id(j)和p_gd(j)，它的移动速度矢量为v_i(j)，则在第j+1代时第i个粒子将移至：

v_i(j+1)＝ωφ₁v_i(j)+η₁φ₂(p_id(j)-x_i(j))+η₂φ₃(p_ga(j)-x_i(j)) (2)

x_i(j+1)＝x_i(j)+v_i(j+1) (3)