国家自然科学基金(20276063)
- 作品数：68 被引量：584H指数：14
- 相关作者：陈德钊胡上序贺益君俞欢军成忠更多>>
- 相关机构：浙江大学浙江科技学院浙江工业大学更多>>
- 发文基金：国家自然科学基金浙江省自然科学基金杭州市科技发展计划项目更多>>
- 相关领域：自动化与计算机技术化学工程理学医药卫生更多>>
- CGA-RBFN模型及其在丙烯产率预测中的应用
- 2005年
- 利用混沌变量的遍历性和不规则性,将其引入遗传算法,可提高其全局搜优的性能;采用混沌遗传算法(CGA)训练径向基函数网(RBFN),并均衡地兼顾网络的拟合与预报能力,恰当地设计适应度函数,由此建成的CGA-RBFN 模型,其预测能力与稳健性都有提高。将其应用于烃类热裂解丙烯预测,效果良好,与传统方法相比有明显的优越性。
- 郑启富陈德钊俞欢军
- 关键词：混沌遗传算法径向基函数网络热裂解丙烯产率
- 迭代遗传算法及其用于生物反应器补料优化被引量：18
- 2005年
- 针对化工动态优化的数值求解问题 ,提出将迭代思想与遗传操作相结合 ,构建迭代遗传算法 .算法首先对时间区间和控制搜索域实施离散化 ,进而应用遗传操作搜索离散问题的最优控制策略 .逐步收缩搜索域并迭代以消减离散化带来的偏差 ,不断改善寻优结果 ,增强算法的稳健性 .实例测试表明该算法简便、可行、高效 ,已成功地应用于Lee Ramirez生物反应器补料流率的优化 ,运算结果优于文献值 ,显示了迭代遗传算法的优越性 .迭代遗传算法尤其适用于系统的梯度信息不可得的情况 .
- 张兵陈德钊
- 关键词：动态优化
- 进化规划-蚁群优化算法的构建并用于化工过程操作优化被引量：4
- 2005年
- 经典蚁群优化(ACO)算法搜优效率高,但只适用于求解组合优化等离散问题.以搜索最优食物源为目标,并引入进化规划(EP)简洁的进化机制,用以改造ACO,使之适于连续问题.又将蚁群分工为全局和局部蚂蚁,分别引领个体进行全局探索式和局部挖掘式寻优,并在各个体上释放信息素,供蚁群共享,由此继承了ACO正反馈、互激励的优点,并在优进策略的支持下,构建为EPACO算法.经复杂测试函数的优化检验,显示出EPACO适于连续问题,且全局搜优效率高,对高维问题适应性强.将EPACO应用于二甲苯异构化装置的操作优化,取得了良好的效果,与其他方法相比,优越性明显.
- 程志刚陈德钊吴晓华张兵
- 关键词：蚁群优化进化规划信息素二甲苯异构化
- 最小二乘支持向量机分类器的高稀疏化及应用被引量：5
- 2007年
- 为减少训练完毕之后的最小二乘支持向量机的分类计算量,借鉴神经网络的快速剪枝策略,提出了一种新的稀疏化算法:HS-LSSVM。它在主成分分析基础上,筛选出样本子集作为支持向量,它们既包含较多核函数矩阵信息,又相互独立性强,具有较好的代表性。算法将其余个体的信息转移至支持向量上,在实现高度稀疏化的同时,良好地保持了LSSVM的分类性能,并能适用于多类问题。对多个分类问题的测试表明,HS-LSS-VM具有稀疏率高,分类性能强,且稀疏化速度较快等优点。
- 陶少辉陈德钊胡望明
- 关键词：最小二乘支持向量机稀疏化主成分分析
- 连续蚁群优化算法的研究被引量：14
- 2005年
- 针对蚁群优化(ACO)只适用于离散问题的局限性,提出了连续蚁群优化算法(CACO),保留了连续问题可行解的原有形式,并融入演化算法(EA)的种群与操作功能.CACO将蚁群分工为全局和局部蚂蚁,分别引领个体执行全局探索式搜优与局部挖掘式搜优,并释放信息素,由个体承载,实现信息共享,形成相互激励的正反馈机制,加速搜优进程.实例测试表明,CACO适用于连续问题,全局寻优性能良好,尤其对复杂的高维问题,更能反映其相对优势.最后讨论了局部寻优方法、全局蚂蚁配比、挥发因子和种群规模等因素对CACO寻优性能的影响.
- 程志刚陈德钊吴晓华
- 关键词：蚁群优化演化算法信息素全局寻优
- 求解非线性方程组的混沌粒子群算法及应用被引量：20
- 2007年
- 针对非线性方程组的求解在工程上具有广泛的实际意义,经典的数值算法如牛顿法存在其收敛性依赖于初值而实际计算中初值难确定的问题,提出以混沌粒子群算法求解非线性方程。它通过将混沌搜索机制有机地引入粒子群算法,使每个粒子从混沌搜索机制与粒子群算法搜索机制中获得适当的搜索方向,以混沌变量的遍历性增强粒子的搜索性能与更全面地应用目标函数的信息,并反映到逐代更新的个体极值和群体极值中,可更有效地调整粒子的移向并最终获得最优解。测试结果表明这一尝试的有效性。最后将所提的方法用于建立复合材料结构的疲劳寿命与应力、温度、湿度的关系模型。
- 莫愿斌陈德钊胡上序
- 关键词：非线性方程组粒子群优化算法混沌
- POSC-PLS方法及其在电子吸收光谱定量分析中的应用
- 2008年
- 针对光谱数据局部效应显著,变量个数多,彼此间常存在严重的复共线性,构建了一种基于分段正交信号校正(piecewise OSC)的偏最小二乘(PLS)回归,即POSC-PLS方法。它以近邻分段方式进行逐个波长点的正交信号校正,剔除光谱矩阵中所含的各种噪声信号,将去噪后的光谱矩阵作为新的自变量矩阵,再利用偏最小二乘方法建立校正模型。将该法应用于多环芳香烃电子吸收光谱的多组分定量关系建模,效果良好。所建模型的预报性能优于其他方法,而且模型所需PLS成分数减少,模型更简洁。
- 成忠诸爱士张立庆
- 关键词：正交信号校正偏最小二乘电子吸收光谱多环芳香烃
- 求解非线性方程组的粒子群复形法被引量：10
- 2006年
- 结合复形法与粒子群算法的优点,提出粒子群复形法,用于求解非线性方程组,以克服牛顿法初始点不易选择的问题,同时克服复形法与粒子群算法由于易陷入局部极值而导致方程组的解的精度不够的不足.数值计算结果表明此方法具有全局搜索性,特别是,它能够以满意的精度求出对未知数具有敏感性的非线性方程组的解.
- 莫愿斌陈德钊胡上序
- 关键词：非线性方程组复形法粒子群算法
- 多目标粒子群算法用于补料分批生化反应器动态多目标优化被引量：20
- 2007年
- 多目标优化是过程系统工程的重要课题,通常以加权或约束方式将其转换为单一目标,未能反映多目标间的复杂关系,不利于随时根据需求作出有效的决策。基于群智能的粒子群算法具有全局优化性能,且易于实现。为使其适于多目标优化,应拓展功能,实施改造。以Pareto支配概念评价种群个体的优劣,设计了确定局部最优点和全局最优点的操作。又利用各粒子的局部最优点信息进行速度更新,以加强种群的多样性,避免因早熟而陷于局部最优。还设置了外部优解库,并通过分散度计算,以适当的策略进行更新,使之逐步均匀地逼近于Pareto最优解集。由此构建一种多目标粒子群优化算法(multi-objective particle swarm optimization,MOP-SO),并用于补料分批生化反应器的动态多目标优化,取得了满意的结果。可基于所搜得的Pareto最优解集,分析目标间的关系,为合理决策提供有效的支持。经与NSGA-II比较,MOPSO算法具有更为优良的性能。
- 贺益君俞欢军成飙陈德钊
- 关键词：多目标粒子群算法PARETO最优集动态优化
- 组合偏最小二乘回归方法在近红外光谱定量分析中的应用被引量：11
- 2007年
- 针对近红外光谱数据局部效应显著,变量个数多,彼此间常存在严重的复共线性,并多与样品组分含量呈非线性关系,构建一种组合非线性偏最小二乘回归(E-S-QPLSR)方法。它采用无重复采样技术(subag-ging),从训练样本中生成若干子样,然后每个子样通过二次多项式偏最小二乘回归(QPLSR),建立其子模型,并实现对训练样本因变量的定量预测,再将它们交由线性PLS算法用于计算各子模型的组合权系数。将该法应用于80个玉米样品的水组分含量与其近红外光谱的定量关系建模,效果良好,显示出很强的学习能力,所建模型的预报性能也优于其它方法。
- 成忠诸爱士陈德钊
- 关键词：偏最小二乘采样技术近红外光谱
