基于改进的小世界网络的组搜索算法及其应用

摘要：

针对合成氨工艺中,合成塔出口氨含量软测量神经网络模型的参数优化问题,提出了一种改进的小世界网络模型,并将其引入到组搜索优化算法中.改进后的小世界网络在计算节点之间相连接的概率时考虑节点间的距离因素,相距较近的节点间比相距较远的节点之间更容易连接.将改进后的小世界网络引入组搜索算法后,种群中的“追随者”在每次迭代中,根据当前迭代次数及与其它个体间的距离计算自身与其它个体的相连接概率,相连概率随着迭代增加而线性增大,随着个体间距离的增加而指数递减.“追随者”根据相连概率选择与自身相连接的个体,再用与其相连的个体构建自身的“邻域”并选取“邻域”中的最优个体作为局部最优解个体.“追随者”更新自身位置时不仅参考整个种群中的全局最优个体,还同时参考自身邻域中的局部最优个体.该算法能够提高种群中个体的多样性,具有更好的全局搜索能力和收敛速度.将该算法应用于氨合成塔出口氨含量软测量建模问题中,对神经网络模型的参数进行优化,并与其它3种方法比较.仿真结果表明,基于改进的小世界网络模型的组搜索算法能够获得更好的模型参数,提高软测量模型的精度.

关键词：组搜索、小世界网络模型、合成氨、软测量

所属期刊栏目：28

分类号：TP273;TP319:TQ02;TP391.9(自动化技术及设备)

资助基金：国家自然科学基金资助项目61074079;上海市重点学科建设项目B504

在线出版日期：2012-02-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：923-927