基于改进粒子群算法的多肽分离条件的优化

论文摘要

随着现代生物技术的发展,多肽物质以其独特的吸收机制和极强的活性及多样性成为国内外研究的热点,显示了其巨大的应用价值。而对于多肽物质的工业化生产来说,多肽物质的分离纯化、大量制备就显得格外重要,它的分离与分析技术是生物技术实现产业化的关键。本文从多肽的分离条件优化的原理和特点出发,对粒子群优化算法及其在多肽分离条件的优化中应用进行了深入的研究,提出了基于智能进化算法的优化思路和方法。以数学理论为基础分析了粒子群优化算法的原理,并分析了标准粒子群优化算法的收敛性和多样性。为了使粒子群在迭代寻优过程中能保持群体的多样性,分析了粒子群迭代寻优的过程,提出了基于动态惯性因子的粒子群优化算法,经过多个测试函数的实验证明,基于动态惯性因子的粒子群优化算法具有较快的全局收敛速度和强大的全局搜索能力能有效的避免早熟收敛的缺陷。将基于动态惯性因子的粒子群优化算法与多目标寻优理论相结合,对高效液相色谱分离条件进行优化,形成一种嵌入智能优化算法的分离条件优化策略。并用该策略对9种小肽的反相离子对色谱分离条件进行寻优,取得了比较满意的结果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 智能优化算法
• 1.2.1 优化算法的发展概述
• 1.2.2 群智能理论
• 1.2.2.1 PSO 算法原理
• 1.2.2.2 蚁群算法原理
• 1.3 色谱分离条件优化的研究概况
• 1.4 主要研究内容
• 第二章 标准粒子群算法及其数理分析
• 2.1 引言
• 2.2 标准粒子群算法
• 2.2.1 粒子群算法的由来
• 2.2.2 标准粒子群算法介绍
• 2.3 标准粒子群算法收敛性
• 2.4 标准粒子群算法多样性
• 2.4.1 PSO 算法的早熟收敛问题
• 2.4.2 PSO 算法的多样性分析
• 2.5 本章小结
• 第三章 粒子群算法改进策略及其应用研究
• 3.1 引言
• 3.2 粒子群算法的参数选择及其改进策略
• 3.2.1 惯性因子与收敛因子的引入
• 3.2.2 基于动态惯性因子的PSO 算法
• 3.2.3 本文改进算法性能仿真及比较
• 3.3 DWPSO 算法整定PID 参数
• 3.3.1 PID 控制器的基本模型
• 3.3.2 编码与适应值的选择
• 3.3.3 算法的流程
• 3.3.4 仿真实验
• 3.4 本章小结
• 第四章 DWPSO 算法在多肽分离条件优化中的应用
• 4.1 引言
• 4.2 色谱分离条件智能优化的一般过程
• 4.2.1 优化参数的选择
• 4.2.2 优化指标的确定
• 4.2.3 实验设计
• 4.3 高效液相色谱分离条件优化的策略
• 4.3.1 串行优化方法
• 4.3.2 并行优化方法
• 4.3.3 结合法
• 4.4 基于DWPSO 算法的高效液相色谱条件优化策略
• 4.4.1 色谱分离条件优化的原理及操作步骤
• 4.4.2 基于DWPSO 算法的分离条件优化的操作步骤
• 4.4.3 实验条件及结果分析
• 4.5 本章小结
• 第五章 结论与展望
• 5.1 课题总结
• 5.2 展望
• 致谢
• 参考文献
• 附录：作者在攻读硕士学位期间发表的论文