改进的PSO算法在重油热解模型参数估计中的应用

• 作者: 包俊杰 钱锋 颜学峰
• 来源期刊: 华东理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 粒子群算法 模式搜索 启发式交叉 参数估计
• 年，卷（期）: 2007,（4）
• 页码范围: 546-550
• 页数: 5页
• 分类号: TP273
• 字数: 3176字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-3080.2007.04.020

摘要

针对传统的粒子群算法(PSO)在解决复杂的优化问题时易陷入局部最优这一情况,提出了一种改进的粒子群算法(EPSO),该算法在传统的粒子群算法陷入局部最优的情况下引入了单个粒子的"Hooke-Jeeves模式搜索"操作和粒子之间的"启发式交叉"操作.仿真结果表明:EPSO算法的全局搜索性能和收敛速度比传统的PSO算法有明显的提高.采用EPSO算法进行非线性参数估计所得到的重油热解模型,其预报的平均相对误差比传统的PSO算法得到的模型提高了11.98%,比遗传算法(GA)得到的模型提高了38.76%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱锋	华东理工大学自动化系	223	3004	26.0	44.0
2	颜学峰	华东理工大学自动化系	61	628	12.0	22.0
3	包俊杰	华东理工大学自动化系	2	17	2.0	2.0