论文部分内容阅读
针对基本PSO算法在迭代后期粒子发生"趋同"而易陷入局部极值的问题,提出了动能粒子群算法(KEPSO)。该算法将粒子"趋同"看作粒子群体与最优粒子发生塑性碰撞的过程,通过动能补偿机制使"惰性"粒子重新恢复"活力",从而跳出局部极值。仿真结果显示,KEPSO算法大大提高了全局搜索能力,在高维函数测试中表现出了较好的优化性能。将KEPSO算法用于环乙醇/环已酮硝酸氧化动力学参数估计中,获得模型的平均相对误差绝对值之和比文献报道值分别降低了42.6%和47.3%。