改進(jìn)PSO算法在發(fā)酵優(yōu)化控制中的應(yīng)用研究.pdf

1、碩士學(xué)位論文改進(jìn)PSO算法在發(fā)酵優(yōu)化控制中的應(yīng)用研究ApplicationofImprovedPSOinFedbatchFermentationProcessControl學(xué)號：2110912S完成日期：201405—01大連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)碩士學(xué)位論文摘要補(bǔ)料分批發(fā)酵是目前發(fā)酵工業(yè)中最流行的發(fā)酵方式，在補(bǔ)料分批發(fā)酵過程中，基質(zhì)或營養(yǎng)物通過間歇或連續(xù)的方式加入發(fā)酵液中。補(bǔ)料速率

2、的控制對于發(fā)酵產(chǎn)量具有重要的影響，傳統(tǒng)工藝中一般是根據(jù)經(jīng)驗選擇一個恒定補(bǔ)料速率進(jìn)行補(bǔ)料，而微生物發(fā)酵過程在不同的階段體現(xiàn)不同的特性，這種恒速的補(bǔ)料方式具有很大的局限性，無法適應(yīng)不同時段發(fā)酵過程的養(yǎng)料需求，因此選擇合適的優(yōu)化算法對每個時段的補(bǔ)料進(jìn)行優(yōu)化，從而獲得一條適宜微生物發(fā)酵補(bǔ)料方案對提高產(chǎn)物產(chǎn)量具有重要的意義。粒子群算法是一種新興的群智能優(yōu)化算法，算法機(jī)理簡單，魯棒性較強(qiáng)，適應(yīng)于各種優(yōu)化問題。但是傳統(tǒng)粒子群算法粒子運動目的性較強(qiáng)容易

3、導(dǎo)致多樣性消失，從而陷入局部極值點，另外，算法迭代后期粒子無法對其鄰域進(jìn)行的精細(xì)搜索，局部搜索能力較差。本文針對這兩個缺點提出三點改進(jìn)策略：l、為提高初始種群的多樣性，采用一種基于Logistic混沌序列進(jìn)行初始種群的生成，從而保證初始粒子的遍歷性；2、為避免粒子速度消失而導(dǎo)致的種群多樣性消失，采用一種自適應(yīng)的速度變異策略，對陷于停滯的粒子進(jìn)行激勵，從而保證算法逃離局部極值點；3、在粒子群算法中引入人工免疫算法中的克隆選擇機(jī)制，對優(yōu)質(zhì)粒

4、子附近進(jìn)行精細(xì)化搜索，從而提高算法的局部搜索能力。將三種策略進(jìn)行整合提出一種自適應(yīng)變速的免疫粒子群算法，理論上改進(jìn)算法具有更好的搜索性能與擺脫局部極值點的能力。采用三種經(jīng)典測試函數(shù)對算法進(jìn)行優(yōu)化仿真，本文所提改進(jìn)算法在單峰與多峰優(yōu)化問題中都體現(xiàn)了更好的優(yōu)化性能，從而初步驗證了算法的有效性。發(fā)酵過程優(yōu)化控制一般有兩種優(yōu)化策略。白箱優(yōu)化追求每個時刻的產(chǎn)量最大化，是一種貪心算法思想，黑箱優(yōu)化忽略發(fā)酵過程中的產(chǎn)物產(chǎn)量而只關(guān)注發(fā)酵最終的產(chǎn)量。針對

5、白箱優(yōu)化和黑箱優(yōu)化，分別引入改進(jìn)粒子群算法進(jìn)行補(bǔ)料速率的尋優(yōu)，通過人體乳頭菌病毒(HumanPapillomavirus，HPV)蛋白與白介素2的發(fā)酵數(shù)據(jù)進(jìn)行優(yōu)化仿真，與其他算法對比發(fā)現(xiàn)，本文所提優(yōu)化算法在兩種優(yōu)化策略中都取得了更好的產(chǎn)物產(chǎn)量，而算法的收斂速度也明顯優(yōu)于其他算法，其中白箱優(yōu)化策略由于自變量維數(shù)較低，優(yōu)化過程相對較容易，其中每種優(yōu)化算法都取得了一定的優(yōu)化效果，而黑箱優(yōu)化中自變量維數(shù)較高，本文所提改進(jìn)算法優(yōu)化結(jié)果明顯由于其他