基于改进差分进化算法的裂解反应动力学系数辨识

摘要

Kumar模型一次反应方程选择性系数辨识问题具有非线性强、维度高、计算时间长、要求精度高等特点,标准差分进化算法(DE)在解决该问题时易早熟、陷入局部最小.针对这一问题,提出了一种新的分类变异参数自适应差分进化(Classification Variation Parameter Adaptive Differential Evolution,CVPADE)算法.结合分类变异策略与改进的控制参数自适应进化策略,使适应度较好的优秀个体着重增加局部搜索能力,适应度较差的个体增强全局搜索能力,同时加快趋向最优解的收敛速度,加快了种群整体收敛速度,并平衡了种群开发能力.与DE算法、控制参数自适应差分进化算法(jDE)进行对比,结果表明本文算法的耗时相对DE算法和jDE算法分别降低了40％与35％,证明了该算法对Kumar模型一次选择性系数的辨识问题具有显著的改进效果.