一种改进的知识进化算法及其在化工动态优化中的应用

智能优化算法在动态优化问题的求解中，一方面可以一定的概率收敛到全局最优，避免局部极值而得到了广泛应用；但另一方面，基于随机机制的仿生智能算法也面临收敛速度慢、寻优效率较低的瓶颈，限制了其工业实时应用的场合。为此，从提高智能优化算法在动态优化问题的求解效率出发，提出了一种改进的基于知识引导的进化算法结构，主要包括候选控制策略-时域与控制域的离散策略、知识库空间的进化、知识引导的种群进化。该算法分别在批式反应器等4个典型化工动态优化问题上进行了仿真验证，计算结果表明，该方法能够以较小的种群规模通过知识的引导，以较少的计算代价找到较好的全局解，有效提高了算法的收敛效率。