改進(jìn)差分進(jìn)化算法辨識加藥凝絮過程參數(shù)
唐德翠2，鄧曉燕1，朱學(xué)，1，鄒振裕3，羅7恒3，李展峰3，徐廷國，
(1華南理工大學(xué)自動化學(xué)院，廣東廣州510641；2廣東技術(shù)師范學(xué)院目動化學(xué)院，廣東廣州510635；3廣東佛山市水業(yè)集團(tuán)有限公司沙口水廠，廣東佛山528000)
摘 要：針對標(biāo)準(zhǔn)差分進(jìn)化算法收斂速度慢，容易陷入局部****從而導(dǎo)致收斂精度不高的缺點(diǎn)，提出將  線性加權(quán)相結(jié)合以及自適應(yīng)重拘交叉概率因子的改進(jìn)差分進(jìn)化算法。，該算法中變異策略采用將 通過線性模擬退火加權(quán)策略相結(jié)合，交叉因子則根據(jù)進(jìn)化代數(shù)自適應(yīng)重構(gòu)，使得算法在初期重視全局搜索能力以找到全局****可能解，后期重視局部收斂速度，以提高算法尋優(yōu)能力和收斂速度。最后將該算法和其他改進(jìn)差分進(jìn)化算法用于城市供水水處理過程的加藥凝絮參數(shù)辨識中，仿真結(jié)果表明，該算法相對于其他3種算法具有更快的收斂速度和更好的收斂精度，所得模型對檢驗(yàn)數(shù)據(jù)的誤差平方和很小，表明該模型準(zhǔn)確可靠，為投藥過程的前饋反饋控制和水廠的優(yōu)化運(yùn)行打下了良好基礎(chǔ)，具有很好的實(shí)際意義。 關(guān)鍵詞：改進(jìn)差分進(jìn)化算法；城市供水；加藥凝絮；參數(shù)辨識
中圖分類號：tp 273 文獻(xiàn)標(biāo)識碼：a
1引言
差分進(jìn)化(de)是一種基于種群并行隨機(jī)搜索的新型進(jìn)化算法，近年來在函數(shù)優(yōu)化、參數(shù)辨識、化工控制等領(lǐng)域得到廣泛應(yīng)用。針對標(biāo)準(zhǔn)差分進(jìn)化算法收斂速度緩慢，收斂精度不高，參數(shù)對算法結(jié)果影響大的不足，國內(nèi)外出現(xiàn)很多改進(jìn)de，主要表現(xiàn)在參數(shù)的自適應(yīng)性、變異策略的改進(jìn)以及將de和其他智能算法相結(jié)合等。
凝絮是水廠制水過程中最重要的環(huán)節(jié)，凝絮過程凈水劑投加量不僅決定出水水質(zhì)是否安全，還是構(gòu)成制水成本的第二關(guān)鍵因素，因此，根據(jù)原水水質(zhì)和沉淀池出水濁度建立凝絮過程凈水劑投加量的數(shù)學(xué)模型，從而實(shí)現(xiàn)制水過程凈水劑投加量的精確控制，具有很好的實(shí)際意義。本文在綜合分析de算法的多種變異方案基礎(chǔ)上，提出一種新的改進(jìn)差分進(jìn)化算法，并將該算法應(yīng)用于城市供水加藥凝絮過程參數(shù)辨識中，從而建立城市供水凝絮加藥過程數(shù)學(xué)模型，具有很好的實(shí)際意義。
2差分進(jìn)化算法
標(biāo)準(zhǔn)差分進(jìn)化算法的基本操作包括變異、交叉和選擇3種操作，首先由父代個體間的差分矢量構(gòu)成變異算子，接著父代個體與變異個體之間按一定的概率進(jìn)行交叉操作，生成一試驗(yàn)個體，然后在父代個體與試驗(yàn)個體之間根據(jù)適應(yīng)度大小進(jìn)行選擇操作，選擇適應(yīng)度更優(yōu)的個體作為子代。
1)變異操作de最基本的變異成分是父代的差分矢量，根據(jù)變異個體生成方法的不同，形成了多種不同差分進(jìn)化方案，經(jīng)過大量的實(shí)驗(yàn)及研究表明，de/rancl/l/bin和de/best/l/bin以及基于這兩種方式的改進(jìn)形式的性能比其他形式要好，在實(shí)際工程設(shè)計(jì)過程中應(yīng)用最多。 方案表達(dá)式為 3)選擇操作de采用“貪婪”的搜索策略，經(jīng)過變異與交叉操作后生成的試驗(yàn)個體進(jìn)行競爭，只有當(dāng)在適應(yīng)度更優(yōu)時(shí)才被選作子代，否則，直接將x作為子代。選擇操作的方程為
差分進(jìn)化的終止條件是第（t+k）代與第t代之間的****解之差小于s或者達(dá)到****進(jìn)化代數(shù)tmax。ε和tmax可以由用戶根據(jù)問題自行設(shè)置。
3改進(jìn)差分進(jìn)化算法( mde)
在de的多種進(jìn)化方案中，以隨機(jī)變量為基向量的變異方案其變異基向量也為隨機(jī)選擇個體，無需任何適應(yīng)值信息， |
