[1]邹丽珊 陈振洲 洪洲.复杂动力学模型参数优化问题的协同进化算法[J].计算机技术与发展,2011,(08):129-132.
　ZOU Li-shan,CHEN Zhen-zhou,HONG Zhou.Cooperative Co-Evolutionary Algorithm for Optimization of Kinetic Parameters[J].,2011,(08):129-132.
点击复制

复杂动力学模型参数优化问题的协同进化算法()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2011年08期
页码:
129-132
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
Cooperative Co-Evolutionary Algorithm for Optimization of Kinetic Parameters
文章编号:
1673-629X（2011）08-0129-04
作者:
邹丽珊1 陈振洲2 洪洲1
[1]广州城市职业学院信息与汽车工程学院[2]华南师范大学计算机学院
Author(s):
ZOU Li-shan; CHEN Zhen-zhou; HONG Zhou
[1]College of Information and Automobile Engineering,Guangzhou City Polytechnic[2]College of Computer Science,Guangdong South Normal University
关键词:
协同进化; 参数优化; 动力学模型
Keywords:
cooperative co-evolutionary;  parameters optimization;  kinetic model
分类号:
TP301.6
文献标志码:
A
摘要:
复杂反应动力学建模中,系统参数的优化是需要解决的关键问题之一。该类优化问题具有多参数、非线性以及参数相关性强等特点。协同进化算法将多种群之间的协同作用以及种群内部的独立进化相结合,适合于求解该类问题。将改进的协同进化算法应用到化工氧化反应建模过程的系统参数优化问题中,避免了解决该类问题的传统优化算法中易陷入局部极值以及初值依赖性强的缺点,运用理论证明了该算法的有效性。测试结果表明,协同进化算法对于求解该类复杂参数优化问题是有效的
Abstract:
Parameters optimization is one of the key problems in complex reaction kinetic modeling.This problem has many nonlinear parameters with high relevance.Combined the cooperative function among subpopulations and the independent evolution in subpopulation,the cooperative co-evolutionary algorithm is fit for this kind of problems.Applying the cooperative co-evolutionary algorithm into the problem of parameters optimization in oxidation reaction modeling,the efficient of algorithm is proved theoretically.Experimental results also demonstrate that the algorithm is fairly efficient for solving the optimization problem of parameters

相似文献/References:

[1]王书宇 李龙澍 汪群山.改进的协同进化遗传算法在机器博弈中的应用[J].计算机技术与发展,2008,(12):4.
　WANG Shu-yu,LI Long-shu,WANG Qun-shan.Application of Co- evolution and PSO Algorithm in Machine Game[J].,2008,(08):4.
[2]江善和 江巨浪 吴磊.基于粒子群算法的一种非线性PID控制器[J].计算机技术与发展,2007,(04):71.
　JIANG Shan-he,JIANG Ju-lang,WU Lei.A Nonlinear PID Controller Based on Particle Swarm Tuning Algorithm[J].,2007,(08):71.
[3]楼巍 刘捷 严利民.协同进化算法在关联规则挖掘中的应用[J].计算机技术与发展,2012,(11):13.
　LOU Wei,LIU Jie,YAN Li-min.Applied Research on Association Rules Mining with Co-evolution Algorithm[J].,2012,(08):13.
[4]王萍萍,王翰虎.一种支持向量机参数优化的GA-Powell算法[J].计算机技术与发展,2013,(02):15.
　WANG Ping-ping,WANG Han-hu.A GA-Powell Algorithm for Parameter Optimization of Support Vector Machine[J].,2013,(08):15.
[5]王健,韩志艳.基于正交实验设计的语音情感识别参数优化[J].计算机技术与发展,2013,(03):109.
　WANG Jian,HAN Zhi-yan.Parameter Optimization of Speech Emotion Recognition Based on Orthogonal Test Design[J].,2013,(08):109.
[6]邓宗强,曾碧卿.一种新参数优化算法及其在流量预测中的应用[J].计算机技术与发展,2013,(10):36.
　DENG Zong-qiang[],ZENG Bi-qing[].A New Parameter Optimization Algorithm and Its Application in Traffic Prediction[J].,2013,(08):36.
[7]王德金,蒋珉,汪峥.基于频率特性的控制器优化设计[J].计算机技术与发展,2014,24(05):1.
　WANG De-jin,JIANG Min,WANG Zheng.Optimization Design of Controller Based on Frequency Characteristic[J].,2014,24(08):1.
[8]贺玫璐,罗杰. 基于模拟退火机制的精英协同进化算法[J].计算机技术与发展,2015,25(01):91.
　HE Mei-lu,LUO Jie. Elite Co-evolutionary Genetic Algorithm Based on Simulated Annealing Mechanism[J].,2015,25(08):91.
[9]朱然,李积英. 几种优化FCM算法聚类中心的方法对比及仿真[J].计算机技术与发展,2015,25(05):17.
　ZHU Ran,LI Ji-ying. Contrast and Simulation of Several Clustering Centers of Optimized FCM Algorithms [J].,2015,25(08):17.
[10]刘晓丽,熊良鹏. 改进的人工鱼群算法在机器人控制中的应用[J].计算机技术与发展,2015,25(05):200.
　LIU Xiao-li,XIONG Liang-peng. Application of Robot Control Using Improved Artificial Fish Swarm Algorithm[J].,2015,25(08):200.

备注/Memo

备注/Memo:
广州市属高校科技攻关青年项目（08B027）; 广州城市职业学院校级科研项目（Ky2007-2008015）邹丽珊（1978-），女，湖南望城人，讲师，研究方向为人工智能，进化计算，统计学习；陈振洲，博士，讲师，研究方向为数据挖掘，机器学习
更新日期/Last Update: 1900-01-01