文献类型：期刊文献

中文题名：改进的PSO算法在重油热解模型参数估计中的应用

英文题名：Parameter Estimation of Heavy Oil Thermal Cracking Model Using an Improved Particle Swarm Algorithm

作者：包俊杰[1];颜学峰[1];钱锋[1]

机构：[1]华东理工大学自动化系,上海200237

年份：2007

卷号：33

期号：4

起止页码：546

中文期刊名：华东理工大学学报（自然科学版）

外文期刊名：Journal of East China University of Science and Technology

收录：CSTPCD;;EI(收录号：20073810818855);Scopus;北大核心:【北大核心2004】；CSCD:【CSCD2011_2012】；

基金：国家自然科学基金(20506003);教育部科学技术研究重点项目(106073);上海科技启明星项目(04QMX1433);国家973计划(2002CB3122000);上海科委科技攻关项目(04DZ11010;05DZ11C02);上海科委重大基础研究(05DJ14002)的资助;国家杰出青年科学基金(60625302)

语种：中文

中文关键词：粒子群算法;模式搜索;启发式交叉;参数估计

外文关键词：particle swarm optimization algorithm; pattern search; heuristic across; parameter estimation

摘要：针对传统的粒子群算法(PSO)在解决复杂的优化问题时易陷入局部最优这一情况,提出了一种改进的粒子群算法(EPSO),该算法在传统的粒子群算法陷入局部最优的情况下引入了单个粒子的"Hooke-Jeeves模式搜索"操作和粒子之间的"启发式交叉"操作。仿真结果表明:EPSO算法的全局搜索性能和收敛速度比传统的PSO算法有明显的提高。采用EPSO算法进行非线性参数估计所得到的重油热解模型,其预报的平均相对误差比传统的PSO算法得到的模型提高了11.98%,比遗传算法(GA)得到的模型提高了38.76%。
The traditional particle swarm optimization （PSO） algorithm easily runs into local optimization point when it is used to solve complex optimi-zation problems. An improved particle swarm optimization （EPSO） algorithm is proposed by introducing Hooke-Jeeves pattern search method and heuristic across method to the basic PSO algorithm. The simulation results show EPSO algorithm has greater efficiency and better performance. The EPSO method is applied successfully to nonlinear parameter estimation of heavy oil thermal cracking model. The model obtained by our new method has higher accuracy and more accurate prediction. Its average prediction relative error increases by 11.98% and 38.76%respectively in comparison with the traditional PSO and GA algorithm.