公共文化服务平台

贺益君: 作品数：19 被引量：112H指数：8; 供职机构：浙江大学更多>>; 发文基金：国家自然科学基金中央高校基本科研业务费专项资金更多>>; 相关领域：化学工程自动化与计算机技术理学水利工程更多>>

合作作者

基于基团贡献神经网络集成法估算有机物常压凝固点被引量：9: 2004年; 基于基团贡献法应用人工神经网络对有机物的常压凝固点进行了估算 ,输入参数为有机物的基团数和表征异构体的参数 ,输出为常压凝固点 .分析了采用最速梯度下降法的BP算法在训练过程中产生误差饱和情况的原因 ,采用在隐含层节点中加入误差饱和预防函数用来防止误差饱和情况的出现 .仿真结果表明 ,所采用的方法能有效地减小网络在误差表面陷入低谷的可能性和提高网络的收敛速率 .采用神经网络集成法建立了神经网络集成模型 ,通过仿真合理选择隐含层节点数和采用交叉验证法用于防止BP网络的过度训练 ,增强了网络的泛化能力 .估算结果表明 ,所建立的神经网络集成模型 ,其网络有良好的稳定性和预测精度 ,2 0 7个样本估算的绝对平均相对误差为 8 6 2 % .; 贺益君高华陈钟秀; 关键词：神经网络集成基团贡献泛化

基于免疫机制的多目标蚁群算法用于间歇反应器的约束动态多目标优化被引量：6: 2009年; 含路径和终端约束的动态多目标优化是过程系统工程的一个重要研究方向,难度较高。传统蚁群算法仅适于离散问题,今采用混合正态分布描述信息素分布,并设计相应的解构造操作,使之拓宽至连续优化问题。通过对目标函数和约束矩阵的非劣排序,确定解的等级,用以克服传统约束处理方法的局限性。借鉴了免疫系统的浓度概念,将其与解的等级结合,共同确定解的适应度,有助于保持种群的多样性。在更新信息素时将利用外部优解库和种群信息,可加快收敛速度。基于拥挤度距离更新外部优解库可更均匀地逼近Pareto最优解集。由此构建了一种基于免疫机制的多目标蚁群算法(Immune Mechanism based Multi-Objective Ant Colony Algorithm,IM-MOACA),并用于间歇反应器的动态多目标优化问题,效果良好,显示出较强的全局优化性能,能以较快的速度逼近真实的Pareto最优前沿,可为用户进行合理的决策分析提供有效的支持。; 贺益君陈德钊; 关键词：多目标蚁群算法免疫机制 PARETO最优集

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

群智能优化方法及其在化学化工中的应用研究: 近年来，随着全球经济竞争的不断加剧，环境法规的日益严格，技术经济指标的不断提高以及不可再生资源的日趋减少等，化学工业的体系结构发生了巨大的变化，过程系统工程的内涵和外延得以不断拓宽，从产品开发到供应链管理，均需关注，且需...; 贺益君; 关键词：群智能优化化学化工优化算法

混合优化人工免疫网络用于过程动态优化被引量：8: 2008年; 常见的用于求解过程动态优化的方法局部寻优能力强,易陷入局部点;而优化人工免疫网络虽局部寻优能力弱,但不易陷入局部点.针对这些方法的不足,提出了一种新的算法——混合优化人工免疫网络,将优化人工免疫网络植入局部寻优操作和二次响应机制,应用于Park-Ramirez和Lee-Ramirez生物反应器,此算法能以较少的计算代价搜索到最佳控制策略.将其用于模型参数发生变化的Lee-Ramirez生物反应器,实验结果表明,此算法的二次响应机制可以节省85%的评价次数.; 林可鸿贺益君陈德钊; 关键词：人工免疫系统动态优化生物反应器

有约束过程动态优化问题的改进克隆选择算法被引量：2: 2009年; 状态变量带约束的过程动态优化问题是化工系统工程的重要课题,有一定的难度。通过将其转换为等价的非线性规划后,可采用元启发式方法求解。人工免疫系统的克隆选择算法(CSA)简练易用,全局搜索性能良好,但局部寻优能力较弱,且无处理约束的机制。为此,拟引入免疫网络自学习算子,均匀设计方法,以及目标与约束分离的处理机制,构建改进的克隆选择算法(ICSA),并将其用于状态变量带约束的间歇反应器和乙醇生物反应器的动态优化等实例,效果良好。试验结果表明三种策略有效地改进了CSA的性能,使ICSA能以较少的计算代价搜索到较优的控制策略。; 林可鸿贺益君陈德钊; 关键词：克隆选择算法均匀设计状态变量动态优化

基于粗糙集和蚁群算法的决策库用于毒性分类被引量：1: 2009年; 粗糙集理论适于处理离散属性,对于连续属性,需经离散化,其本质是搜索最小断点集以及最小属性约简,两者均为NP难问题,为此提出了样本可分辨矩阵和覆盖策略,并引入权重,将其归结为约束最小化问题,采用蚁群算法求解.引入了启发式信息的动态计算方法,并结合后验的信息素,计算选择概率,逐步引导蚁群可行解构造,2类信息的结合有助于提高寻优性能.将该方法用于2类同系化合物的毒性作用机制分类研究,可有效地实现断点集最小化和属性最小约简,由此便于建立分类规则库.相比判别分析、径向基网络和支持向量机3种方法,该规则库具有更加良好的预测性能,且易于专业分析和理解.; 贺益君陈德钊; 关键词：粗糙集理论可分辨矩阵蚁群算法

应用遗传算法构建化学模式分类器被引量：3: 2007年; 神经网络和统计分析所构建的分类器均为复杂算式,难以体现专业知识;而分类规则直接以属性值为条件,确定个体类别,易于专业分析。对于连续属性的样本数据,本文应用基于信息熵的Chi-merge方法将其离散化,并将提取最优规则转换为组合优化问题,进而采用遗传算法求解。为此,本文将规则提取演绎为种群进化,并设计了个体适应度函数。由此提取出最优的分类规则,经过修剪处理后,与判别准则一起构成模式分类器。本文将其应用于橄榄油产地判别,所建立的分类器简单明了,规则数少,性能良好,适用于化学模式分类。; 廖兴发陈德钊贺益君; 关键词：遗传算法连续属性离散化

用于多目标优化的蚁群算法的构建及其应用被引量：15: 2006年; 从蚁群的生物学行为出发，将成群募集和海量募集两种机制融入蚁群算法，并针对多目标优化的特性，综合考虑解的被支配度和分散度，抽提出一种启发式规则，用以评价食物源的优劣，进而构建多目标连续蚁群优化算法（MO-CACO）。通过两个多目标典型函数的优化测试，验证了MO-CACO具有较强的多目标全局寻优能力，且稳健性良好，所求得的最优解集的多目标值能均匀地逼近Pareto最优前沿的各部分。将MO-CACO用于二甲苯异构化装置的操作优化，取得了满意的结果，MO-CACO可为化工过程多目标决策提供支持。; 贺益君陈德钊; 关键词：多目标优化 PARETO最优前沿蚁群算法二甲苯异构化

蚁群法研究进展及应用于化学化工被引量：1: 2008年; 蚁群法是新型的群智能优化法,具有鲁棒性、分布并行机制和易融入启发式信息等特点。尤其通过释放信息素,蚂蚁间相互交流协作,实现正反馈机制,加速全局搜优,提高效率。蚁群法最初只用于离散问题。本文评述蚁群法的起源、改进和发展;重点介绍并分析了连续型蚁群法的几种处理方案和各自特点;全面总结蚁群法已应用在化学化工领域,以及对动态、带约束和多目标问题的处理方式和机制,效果良好,优于其他算法的情况。最后展望蚁群法今后的发展前景和研究方向。; 胡帅贺益君俞欢军陈德钊; 关键词：蚁群算法正反馈离散优化

贺益君

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

贺益君

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈