多种群优化算法研究及在水泥回转窑中的应用
发布时间：2021-04-09 01:01
水泥生产中的能源耗费、大气污染等问题逐渐成为行业关注的重点,回转窑作为水泥生产工艺中的关键设备,如何有效实现节能减排、提高熟料质量对水泥行业的发展具有重要意义。但回转窑的煅烧工艺极其复杂,传统方法难以建立其系统模型,很难实现工况的优化调整。人工智能技术因其在系统建模和优化问题中取得了良好应用,得到了各界的广泛关注。因此,本文推导出两种改进的算法:基于速度交流的共生多种群粒子群算法（Symbiosis multi-population particle swarm optimization based on velocity communication,SMPSO）、基于K-均值聚类的多种群灰狼算法（Multi-group grey wolf optimization algorithm based on K-means clustering,KMGWO）。并利用KMGWO算法优化极端学习机（Extreme learning machine,ELM）网络参数,建立KMGWO-ELM模型算法。分别将KMGWO-ELM算法、SMPSO算法应用于水泥回转窑参数建模与优化中,以便于实现回转窑工况...
【文章来源】：燕山大学河北省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
SMPSO算法结构
第 2 章 基于速度交流的 SMPSO 算法研究价粒子，筛选各子种群全局最优位置 ( 1 GpLocalbestGocal best；选择的pLocal best分享给主种群，主群综合自身最好经(2-12)-式(2-15)进行粒子更新，择优选取全局最优位置是否满足停止要求:最大函数迭代次数 T 或精度要求。ep9，如果未满足，执行 Step6；al best更新情况，确定算法是否处于局部最优。如果算否则执行 Step8；-16)、式(2-17)对主种群排在后 50%的个体变异，并执的pGlobal best分享给从种群，跳到 Step3；al best，即优化问题的解向量。
Sphere函数收敛特征曲线
本文编号：3126605
【文章来源】：燕山大学河北省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
SMPSO算法结构
第 2 章 基于速度交流的 SMPSO 算法研究价粒子，筛选各子种群全局最优位置 ( 1 GpLocalbestGocal best；选择的pLocal best分享给主种群，主群综合自身最好经(2-12)-式(2-15)进行粒子更新，择优选取全局最优位置是否满足停止要求:最大函数迭代次数 T 或精度要求。ep9，如果未满足，执行 Step6；al best更新情况，确定算法是否处于局部最优。如果算否则执行 Step8；-16)、式(2-17)对主种群排在后 50%的个体变异，并执的pGlobal best分享给从种群，跳到 Step3；al best，即优化问题的解向量。
Sphere函数收敛特征曲线
本文编号：3126605
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3126605.html
