桑志祥
- 作品数：8 被引量：13H指数：2
- 供职机构：华东理工大学化工过程先进控制和优化技术教育部重点实验室更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术化学工程更多>>
- 改进的AEA算法及其在参数估计中的应用被引量：1
- 2013年
- 提出一种基于AEA的改进算法——EAEA。该算法将分布估计算法和精英保留策略融入AEA算法中,用来产生AEA算法迭代需要的对比种群,使得算法能跳出局部最优,避免早熟现象的发生。在22个标准测试函数上进行实验,结果表明EAEA的寻优能力要好于其他算法。最后,将EAEA算法用于发酵动力学模型参数的估计,取得了良好的效果。
- 马顺龙桑志祥李绍军
- 关键词：分布估计算法精英保留寻优参数估计
- 改进的AEA算法及其在重油热解模型参数估计中的应用被引量：4
- 2012年
- 本文提出了一种结合文化算法的.AEA算法,它利用文化算法中的信度空间来保存种群中的优质个体,然后通过影响函数来生成新种群。改进的AEA算法能够快速收敛到全局最优值,对典型函数的测试和工业模型参数估计的应用表明:改进的算法全局搜索能力和收敛速度比原始的AEA算法有所提高。
- 梅真贞李绍军桑志祥
- 关键词：文化算法参数估计
- 一种基于进化优化算法的有约束问题优化方法
- 本发明涉及一种基于进化优化算法的有约束问题优化方法。该种方法针对有约束的优化问题采用惩罚函数的方法来处理约束问题，并利用群智能优化算法进行带惩罚项的函数优化。采用这种优化方法，在算法迭代过程中每个约束项的惩罚系数由种群中...
- 李绍军桑志祥董跃华张杰杨玉和李洪涛赵晶莹
- 文献传递
- 基于AEA算法的自适应惩罚函数求解约束优化及其在丁烯烷化过程的应用被引量：2
- 2013年
- 提出了一种基于AEA算法处理约束问题的自适应惩罚函数法。该算法通过统计迭代种群中个体对每个约束条件违反的次数,判定各约束的强弱地位,动态自适应地调整各个约束的惩罚系数,对于强约束给予较大的惩罚系数。同时对目标函数做出了相适应区分修改,使得可行解和不可行解的目标函数值出现一定的区分,目标函数项和惩罚项趋于平衡,避免了惩罚力度过大或过小,有利于算法前期快速进入可行解区域,后期寻找最满意解。通过标准测试函数试验结果与DE+AMP、SSaDE算法进行比较,表明了提出的方法具有良好的适用性以及全局优化性能,将该方法应用于丁烯烷化过程的约束优化,取得了令人满意的结果。
- 桑志祥李绍军张杰
- 改进的AEA算法及其在重油热解模型参数估计中的仿真研究被引量：4
- 2012年
- 着眼于AEA算法本身的不足点,通过更合理地给定其每一代的行走步长,提出一个改进的AEA算法(IAEA)来提高AEA算法的寻优性能。鉴于行走步长对于进化的不同阶段全局搜索和局部搜索之间的关系影响,今提出IAEA的步长应随着实际进化的不同阶段而合理地变化,以使得算法能跳出局部最优,避免早熟现象的发生。IAEA算法在7个典型测试函数上进行了测试,测试结果表明,与基本AEA算法、PSO和DE算法相比,IAEA的寻优性能有了很大的提高,不仅获得的解的质量更好,而且算法的稳定性都得到了提高。最后将IAEA算法用于重油热解模型参数估计的仿真研究中,通过验证,得到了更有利的结果,说明文中提出的算法是有效的。
- 董跃华桑志祥李绍军
- 关键词：ALOPEX步长参数估计
- 融合克隆选择的AEA算法及其在约束优化问题中的应用
- AEA算法(Alopex-based Evolutionary Algorithm)是一种结合了Alopex算法的相关性启发方式和进化算法的群智能特点的新型优化算法。本文在AEA算法的基础之上，利用克隆选择算法(Clon...
- 桑志祥
- 关键词：克隆选择算法自适应罚函数
- 应用专家知识提高神经网络建模的泛化能力的研究被引量：1
- 2012年
- 普通意义上的神经网络建模缺少物理基础,对实际工业过程机理信息掌握不足,模型的外推效果不够理想。针对这种情况,提出将专家知识融合到神经网络建模中的方法。首先提取工业过程中存在的机理信息,在网络模型训练阶段,提前对关键变量进行灵敏度分析,并将模型灵敏度分析的结果同专家知识相对比,根据两者间的违反程度差异对模型目标函数进行不同程度的惩罚。在结晶动力学模型的仿真研究结果表明,这种方法一定程度上克服了神经网络训练的盲目性,特别是针对训练数据缺失或者存在噪声的情况,能够有效的提高神经网络的泛化能力。
- 张杰桑志祥李绍军
- 关键词：神经网络专家知识过拟合
- 融合克隆选择的AEA算法及其在参数估计中的应用被引量：2
- 2011年
- 为了提高AEA算法的寻优性能,提出了结合克隆选择算法改进AEA算法计算过程中每代种群的生产方式。改进后的AEA算法(AEA-C)的克隆选择部分所加入的噪声是随着实际进化不同阶段而合理地变化。在进化的前期,由于添加噪声较大有利于算法的全局搜索,随着迭代次数增加,噪声逐渐减小,使得算法加强了局部搜索,算法能跳出局部最优,避免早熟现象的发生。在10个典型测试函数上进行了试验,结果表明AEA-C的寻优性能有了很大的提高,不仅获得的解的质量好,而且算法的运算速度和稳定性都得到了提高。最后将AEA-C算法应用于发酵动力学模型参数的估计,效果明显。
- 桑志祥李绍军董跃华付煜
- 关键词：ALOPEX克隆选择算法参数估计
