基于优进策略的遗传算法对重油热解模型参数的估计-高校化学工程学报.PDF

第17 卷第4 期 高 校 化 学 工 程 学 报 No.4 Vol.17 2003 年 8 月 Journal of Chemical Engineering of Chinese Universities Aug. 2003 文章编号：1003-9015(2003)04-0411-07 基于优进策略的遗传算法对重油热解模型参数的估计 1 1 1 2 2 宋晓峰 , 陈德钊 , 胡上序 , 肖家治 , 刘福洲 (1. 浙江大学化学工程与生物工程学系，浙江 杭州 310027 ; 2. 石油大学炼制系，山东 东营 257061) 摘 要：针对常规遗传算法全局寻优效率偏低的弱点，提出了一种优进策略，用以改进常规遗传算法。该策略将从 繁衍过程中获取进化信息，自适应地改进子代分布，适时引入确定性操作，以提高全局寻优性能。提出的相关技术 包括维持种群的多样性、改进交叉算子、增加 Powell 寻优算子等。实例测试表明这种优进策略效果良好，并已成 功地应用于重油热解三集总动力学复杂数学模型的非线性参数估计。 关键词：优进策略；遗传算法；重油热解；非线性参数估计 中图分类号：TP183 ；TP301 文献标识码：A 1 引 言 现代工业生产要求采用更为精确的数学模型来描述化工过程，为了寻求理论上的合理性，这些模 型常需采用非线性结构。同时，又希望能尽可能和真实情况相吻合，需要用实际观测数据估计模型参 数。参数估计的通用规则是使偏差最小化，许多经典的优化方法(Hooke-Jeeves 直接搜索法、Rosenbrock 的旋转坐标法、Gauss-Newton 法、变尺度法等)都可用于这一目的。这些序贯类确定性方法往往只对 某些类型的问题有效，还要求模型具有连续性。实际问题并不总能满足所需条件，在使用时会出现很 多困难。 [1][2] 近年来，遗传算法的研究一直相当活跃 ，它的全局寻优能力和稳健性使其在诸多应用中取得 成功。但是常规的遗传算法(Simple Genetic algorithm，SGA)完全以随机性的概率转换机制代替确定性 的机理转换机制，很易造成“早熟”或求解时间过长，最后难以达到全局最优。本文拟借鉴生物繁衍 的优生思想，提出一种优进(Eugenic Evolution)策略，将机理转换与概率转换相结合，在“自然进化” 的进程中融合进“能动”的因素，用以克服SGA 的上述缺点。基于优进策略的遗传算法简记为EGA 。 2 参数估计的常规遗传算法(SGA) 非线性模型的一般形式为： y g (x , q ) e ，e ~ N (0,d ) (1) 其中x 为自变矢量，y 为因变量，q 为参数矢量。已知观测数据对(x , y ), i=1, …n ，非线性参数的估计 i i n 问题就是求解偏差平方和q(q ) (y i g (x i ,q ))2 为最小的q 值。鉴于q(q ) 的复杂性，经典优化方法难 i 1 [3][4] 以求解。采用遗传算法可以克服相应的困难，SGA 估计模型参数的一般过程如下 ： 先根据背景知识确定参数θ的定义域范围，选定编码方式，取适应值函数f (q )为[1+q(q )] 1，确定 算法终止条件，然后