优选优生进化算法及4-CBA软测量模型参数估计

摘要

提出一种优选优生进化算法(select-best and prepotency evolution algorithm,SPEA),该算法中优选优生操作首先使群体中的所有个体都以相同的概率在自身所处环境的某个领域内选择最优个体进行交叉操作,不但保持后代个体的多样性,避免早熟,而且使群体中较优个体多次参加交叉操作,保留优良信息,同时也避免了遗传算法(genetic algorithm,GA)中占用大量计算时间的种群挑选操作;然后挑选交叉操作产生的较优个体参与变异形成下一代个体,从而增强算法的局部搜索能力,使求得的全局最优解有较高的精度.与GA相比较,SPEA计算复杂性低,离线性能和在线性能都有较大的改进,局部搜索能力和全局寻优能力都有较大的提高.举例将SPEA应用于对苯二甲酸(terephthalic acid,TA)中对羧基苯甲醛(4-carboxybenzaldehyde,4-CBA)含量软测量模型的参数估计,获得了满意的结果.