基于极值动力学机制和信息融合搜索的混合算法及其应用.pdfVIP

第 62卷 第 8期 化 工 学 报 Vo1．62 No．8 2011年 8月 CIESC Journa1 August 2011 基于极值动力学机制和信息融合搜索的 混合算法及其应用 付晓刚 ，俞金寿。 (上海电机学院电气学院，上海 200240；华东理工大学 自动化研究所，上海 200237) 摘要：提出了一种新的基于 自适应 16vy变异的极值动力学和信息融合搜索的混合算法。新算法将全局搜索和局 部搜索机制有机地结合起来，在全局搜索过程中，信息融合搜索算法 (IFA)作为一种群智能进化算法 ，能够快 速地逼近近似最优解；在局部搜索过程中，通过选择近似解的最差组元进行 自适应 16vy变异，利用极值动力学 算法 (E0)强大的局部搜索能力 ，协助 IFA跳出局部极值点。将其运用于超临界水氧化去除率神经网络软测量 建模 ，实验结果表明了方法的有效性和实用性。 关键词：信息融合搜索算法；极值动力学优化算法；自适应 16vy变异 DOI：10．3969／i．issn．0438—1157．2011．08．047 中图分类号：TP183 文献标志码 ：A 文章编号：0438—1157(2011)08—2355—05 A hybridalgorithm basedonextremaloptimizationwithadaptive16vymutation andinformationfashionalgorithm anditsapplications FU Xiaogang 。YUJinshou (ElectricalEngineeringDepartment，ShanghaiDianjiUniversity，Shanghai200240，China； 。InstituteofAutomation。EastChinaUniversityofScienceandTechnology，Shanghai200237，China) Abstract：A hybrid algorithm basedon extremaloptimization (EO) with adaptive 16vymutation and informationfashionalgorithm (EOIFA )wasproposed in thispaper．Itappliedtheideaofcombination mechanism ofglobalandlocalsearch．Intheprocessoftheglobalsearch，IFA isanevolutionaryalgorithm basedon the difference in group thatcan quickly approach an approximate optimalsolution．EO has powerfullocalsearch capability．Duringthelocalsearch，ithelpsIFA outoflocalmaximum pointsby selectingtheapproximatesolutionoftheworstelementtoproceedadaptive16vymutation．TheEOIFA is appliedtotrainartificialneuralnetwork (NN)toconstructapracticalsoft—sensorofremova1effieieneies forsupercriticalwateroxidation．Theobtainedresultsindicatethatthenew methodproposedbythispaper iSfeasib1eandeffective． Keywords：informationfashion