DNA遺傳算法及在化工過程中的應(yīng)用.pdf

1、遺傳算法是模擬自然界生物進(jìn)化機(jī)制而形成的一類隨機(jī)優(yōu)化算法，由于它全局搜索能力強(qiáng)和對(duì)所求解的問題要求不嚴(yán)格，因此遺傳算法被廣泛于科學(xué)研究和工程應(yīng)用各領(lǐng)域。但是，遺傳算法存在一些不足，例如局部搜索能力較弱、進(jìn)化后期種群個(gè)體相似度高、易早熟收斂等。
　　 DNA遺傳算法是在遺傳算法的基礎(chǔ)上，受DNA生物特性和DNA計(jì)算發(fā)展起來的，它極大地豐富了遺傳操作，為遺傳算法的進(jìn)一步發(fā)展提供了新的途徑。本文對(duì)DNA遺傳算法及在化工過程中的應(yīng)用進(jìn)行

2、了較深入的研究，主要研究成果如下：
　　 (1)提出了一種具有參數(shù)區(qū)間自適應(yīng)策略的DNA遺傳算法，設(shè)計(jì)了三種新型交叉算子提高了進(jìn)化過程中的種群多樣性。此外，為了增強(qiáng)局部尋優(yōu)能力和克服傳統(tǒng)遺傳算法的初始解參數(shù)取值范圍過于依賴經(jīng)驗(yàn)設(shè)定的缺點(diǎn)，提出了參數(shù)區(qū)問自適應(yīng)策略。通過對(duì)測(cè)試函數(shù)尋優(yōu)和重油裂解過程參數(shù)估計(jì)問題求解，實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的有效性。
　　 (2)受進(jìn)化策略和生物DNA的啟發(fā)，提出了一種基于(μ，λ)進(jìn)化策略的混

3、合DNA遺傳算法(HDNA-GA)。該算法采用了DNA堿基編碼方式，受DNA分子操作的特點(diǎn)啟發(fā)，設(shè)計(jì)了新的交叉算子和自適應(yīng)變異算子，并基于模擬退火算法改進(jìn)了種群進(jìn)化過程的選擇策略。為了提高算法的全局和局部搜索能力，提出了基于(μ，λ)進(jìn)化策略的種群更新操作和采用了參數(shù)區(qū)間自適應(yīng)整定操作。通過對(duì)測(cè)試函數(shù)尋優(yōu)和實(shí)際動(dòng)態(tài)系統(tǒng)參數(shù)估計(jì)問題求解實(shí)驗(yàn)，結(jié)果驗(yàn)證了該算法的有效性。
　　 (3)汽油調(diào)合過程是煉油廠生產(chǎn)的一個(gè)重要環(huán)節(jié)，直接影響著

4、企業(yè)的利潤(rùn)率，也關(guān)系到環(huán)保節(jié)能等方面。其優(yōu)化調(diào)度問題是一個(gè)有約束的非線性優(yōu)化問題。提出了一種具有特殊環(huán)操作的DNA遺傳算法，設(shè)計(jì)了無罰參數(shù)的罰函數(shù)法，用以處理非線性約束問題。通過對(duì)測(cè)試函數(shù)的尋優(yōu)和汽油調(diào)合調(diào)度優(yōu)化問題的求解，實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的有效性。
　　 (4)提出了一種具有種群禁忌剔除策略的DNA遺傳算法。該算法通過定義的均值適應(yīng)度值來評(píng)價(jià)算法的“早熟”程度，并利用量化的“早熟”程度設(shè)計(jì)了DNA遺傳算法的自適應(yīng)交叉概率和