具有分工特征的蚁群算法及其在热工控制系统中的应用

论文摘要

本文针对求解连续空间优化问题,提出了一种具有分工特征的蚁群算法。根据“蚂蚁王国”中蚁群分工协作的特点,算法将整个蚁群分为从事体力劳动的工蚁群和从事脑力劳动的晋级组蚁群,并详细阐述了晋级组蚁群的功能和工作流程。晋级组蚁群扮演了蚂蚁群体中“智囊团”的角色。本文介绍了连续空间中变量的编码规则,提出了一种三维坐标信息素体系,定义了人工蚂蚁的6种行为。仿真研究表明,此算法具有跳出局部最优解的能力,并能够迅速收敛到全局最优解。最后,本文研究了该算法在热工控制系统过程辨识和控制器参数优化问题上的应用。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 选题背景及意义
• 1.1.1 概述
• 1.1.2 选题背景
• 1.1.3 研究意义
• 1.2 国内外研究动态
• 1.3 论文的主要工作内容
• 第二章 基本蚁群算法及其特点
• 2.1 蚁群算法的基本原理
• 2.1.1 真实蚂蚁的集体行为
• 2.1.2 人工蚂蚁的集体行为
• 2.2 基本蚁群算法模型
• 2.3 基本蚁群算法流程
• 2.4 基本蚁群算法的优点与不足
• 2.5 本章小结
• 第三章 具有分工特征的蚁群算法
• 3.1 引言
• 3.2 算法的启发思想
• 3.3 连续空间中变量编码规则
• 3.4 三维坐标信息素体系
• 3.5 人工蚂蚁的行为
• 3.6 具有分工特征的蚁群算法模型
• 3.7 晋级组蚁群与工蚁群工作流程
• 3.8 具有分工特征的蚁群算法流程
• 3.9 仿真算例
• 3.10 本章小结
• 第四章 基于具有分工特征的蚁群算法的热工过程辨识
• 4.1 引言
• 4.2 过程辨识的步骤和方法
• 4.3 基于具有分工特征的算法的热工过程辨识
• 4.3.1 过程辨识原理
• 4.3.2 电厂热工过程研究对象
• 4.3.3 过程辨识方案设计
• 4.4 仿真与应用研究
• 4.4.1 给定模型的辨识
• 4.4.2 利用现场数据的辨识
• 4.5 本章小结
• 第五章 基于具有分工特征的蚁群算法的控制器参数优化
• 5.1 PID控制器参数整定的研究状况
• 5.2 基于具有分工特征的蚁群算法的 PID 参数优化整定
• 5.2.1 目标函数选取
• 5.2.2 优化整定方案设计
• 5.3 仿真与应用研究
• 5.3.1 单回路PID控制器参数整定
• 5.3.2 串级PID控制器参数整定
• 5.4 本章小结
• 第六章 结论
• 参考文献
• 致谢
• 附录1：人工蚂蚁类的定义
• 附录2：城市矩阵类的定义
• 在学期间发表的学术论文和参加科研情况