10.13995/j.cnki.11-1802/ts.024368
基于改进蚁狮优化算法的黄酒发酵过程模型的参数辨识
针对基于Levenberg-Marquardt方法辨识黄酒发酵过程模型参数时易陷入局部最优,收敛速度慢,很难准确获取具有强泛化能力的模型参数的问题,提出了一种具有莱维飞行机制和柯西变异的蚁狮优化算法(ant li-on optimization with Levy flight and Cauchy mutation,LCALO),该算法采用基于莱维飞行和柯西变异来解决这类问题.莱维飞行可以提高算法的全局搜索能力,而柯西变异有助于避免陷入局部最优.结果表明,相比于遗传算法、粒子群算法和蚁狮算法,LCALO的收敛速度快,具有全局搜索能力和局部开发能力好的优点.最后将改进算法应用于黄酒发酵模型的参数辨识,仿真结果证明该算法具有较好的参数辨识能力.
蚁狮优化算法、莱维飞行机制、收敛速度、黄酒发酵、参数辨识
47
国家自然科学基金青年项目;江苏省自然科学基金青年项目;江苏省博士后科研项目;第62批中国博士后科学基金面上资助
2021-02-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
153-159