改進的多目標粒子群優(yōu)化算法在銅萃取過程的應用.pdf

1、多目標優(yōu)化問題一直是科學和工程研究領(lǐng)域的一個熱點問題。由于目前常用多目標優(yōu)化方法自身的不足及其在實際應用中存在的諸多困難,一直阻礙著多目標優(yōu)化方法在實際工業(yè)過程的應用。粒子群優(yōu)化算法(PSO)是近幾年發(fā)展起來的解決多目標優(yōu)化問題的群智能算法,它在解決復雜系統(tǒng)優(yōu)化時所表現(xiàn)出的優(yōu)越性,使其成為解決多目標優(yōu)化問題的一個非常有效的手段。
　　 本文總結(jié)了多目標優(yōu)化的傳統(tǒng)解決方法和基于進化算法計算的解決方法,并重點介紹了粒子群優(yōu)化算法及其

2、在多目標優(yōu)化領(lǐng)域的研究現(xiàn)狀。通過對粒子群算法的分析,在前人研究的基礎(chǔ)上對多目標粒子群算法進行了改進。主要從兩個方面進行了改進:(1)在粒子全局最優(yōu)值選取過程中,先后采用了Sigma方法和理想有效解法,從而使全局最優(yōu)值的選取更為合理,避免算法落入局部最優(yōu)位置,保持了解的分布性;(2)增加粒子的擾動,采用動態(tài)精英變異策略防止粒子陷入局部最優(yōu)區(qū)域。
　　 基于對銅萃取過程生產(chǎn)原理、工業(yè)生產(chǎn)流程的深入分析,確定了預估銅鈷組份含量混合模型