×
李霞;牛、培峰;刘建平

基于混沌和Lévy飞行涡搜索算法的锅炉燃烧优化。 （英语） Zbl 1480.90261号

申请。数学。建模 58, 3-18 (2018).
摘要：锅炉燃烧优化问题已经引起了热能工程领域越来越多研究人员的研究兴趣。为了实现燃烧优化目标，需要建立锅炉的燃烧特性模型，并找到有效的优化算法。因此，本文提出了一种逻辑自映射混沌和Lévy飞行涡旋搜索（I-VS）算法。然后，对I-VS算法和其他一些最新的优化算法进行了比较研究。其次，基于快速学习网络（FLN）建立了燃烧效率模型。采用I-VS算法对FLN进行优化，建立了I-VS-FLN模型，用于预测锅炉的NO排放。实验结果表明，I-VS-FLN模型比其他五种模型具有更好的泛化能力。最后，在FLN模型和I-VS-FLN模型的基础上，利用I-VS算法对锅炉运行参数进行调整，以实现燃烧优化目标。

引用于1文件

MSC公司：

90 C90 数学规划的应用
90 C59 数学规划中的近似方法和启发式
80A25型 燃烧
80M50型 热力学和传热中的优化问题

关键词：

涡旋搜索算法;快速学习网络;逻辑自映射混沌;莱维航班;I-VS-FLN模型;燃烧优化

软件：

GSA公司;全球野生动物组织;磷虾群
PDF格式BibTeX公司 XML格式引用
\textit{X.Li}等人，应用。数学。模型58，3--18（2018；Zbl 1480.90261）
全文： 内政部

参考文献：

[1] 苏雷什，M。；Reddy，K.S。；Kolar，A.K.，基于ANN-GA的高灰燃煤超临界发电厂优化，应用。能源，88，24867-4873（2011）
[2] 宋，J.G。；罗梅罗，C.E。；Yao，Z.，《考虑在线应用的NOx排放、热耗率和飞灰再循环的锅炉燃烧改进人工蜂群优化》，《燃料》，172，20-28（2016）
[3] 顾永平。；赵伟杰。；Wu，Z.S.，在线自适应最小二乘支持向量机及其在电站锅炉燃烧优化系统中的应用，《过程控制杂志》，21，7，1040-1048（2011）
[4] 周，H。；Zheng，L.G。；Cen，K.F.，燃煤电站锅炉NOx排放最小化的计算智能方法，Energy Convers。管理。，51, 3, 580-586 (2010)
[5] Ilamathi，P。；Selladurai，V.公司。；Balamurugan，K.，《利用人工神经网络和遗传算法对燃煤锅炉未燃碳进行建模和优化》，《能源研究技术杂志》。，135, 3, 1-3 (2013)
[6] 李国强。；牛，P.F。；Duan，X.L.，快速学习网络：一种具有快速学习速度的新型人工神经网络，神经计算。申请。，24, 7-8, 1683-1695 (2014)
[7] 郑，L。；周，H。；王，C。；Cen，K.，《将支持向量回归和蚁群优化结合起来减少燃煤电站锅炉中的NO_x排放》，《能源燃料》，22，2，1034-1040（2008）
[8] Chang，T.C。；Chao，R.J.，反向传播网络在泥石流预测中的应用，工程地质学，85，3-4，270-280（2006）
[9] 黄，G.B。；朱庆云。；Siew，C.K.，《极限学习机器：理论与应用》，神经计算，70，1-3，489-501（2006）
[10] 黄，G.B。；Chen，L。；Siew，C.K.，使用带有随机隐藏计算节点的增量网络的通用近似，IEEE Trans。神经系统。净值。，17, 4, 879-892 (2006)
[11] Holland，J.H.，《自然和人工系统中的适应：生物学、控制和人工智能应用的介绍性分析》（1975年），密歇根大学出版社：英国牛津大学密歇根出版社·Zbl 0317.68006号
[12] 肯尼迪，J。；Eberhart，R.C.，粒子群优化，IEEE神经网络国际会议论文集，1942-1948（1995）
[13] 拉斯特加，S。；Rui，A。；Mendes，J.，基于自适应分层粒子群优化算法的Takagi-Sugeno模糊模型在线识别，应用。数学。型号。，45, 606-620 (2017) ·Zbl 1446.93048号
[14] 多里戈，M。；Blum，C.，《蚁群优化理论：一项调查》，Theor。计算。科学。，344, 2, 243-278 (2005) ·Zbl 1154.90626号
[15] Geem，Z.W。；Kim，J.H。；Loganathan，G.V.，《一种新的启发式优化算法：和谐搜索》，Simul。事务处理。Soc.Mod.公司。模拟。，76, 2, 60-70 (2001)
[16] Ahrari，A。；Atai，A.A.，《手榴弹爆炸法——一种优化多模态函数的新工具》，应用。软计算。，10, 4, 1132-1140 (2010)
[17] Rashedi，E。；Nezamabadi Pour，H。；Saryazdi，S.，GSA:引力搜索算法，《信息科学》。，179, 2232-2248 (2009) ·Zbl 1177.90378号
[18] 卡拉博加博士。；Akay，B.，人工蜂群算法的比较研究，应用。数学。计算。，214, 1, 108-132 (2009) ·Zbl 1169.65053号
[19] 甘多米，A.H。；Alavi，A.H.，Krill herd：一种新的生物启发优化算法，Commun。非线性，17，12，4831-4845（2012）·Zbl 1266.65092号
[20] 孟晓波。；刘，Y。；高X.Z。；Zhang，H.Z.，一种新的生物启发算法：鸡群优化，第五届国际蜂群智能进展会议论文集，86-94（2014）
[21] 贝拉特，D。；Taner，Q.，《数值函数优化的一种新的元启发式算法：涡旋搜索算法》，《信息科学》。，293, 125-145 (2015)
[22] 沃尔珀特，D.H。；Macready，W.G.，《优化无免费午餐定理》，IEEE Trans。进化。计算。，1, 1, 67-82 (1997)
[23] Yang，X.S。；卡拉马诺格鲁，M。；Ting，T.O。；Zhao，Y.X.，仿生鹰策略在工程优化中的应用与分析，神经计算机。申请。，25, 2, 411-420 (2014)
[24] Yang，X.S。；Deb，S.，《使用lévy walk和firefly算法进行随机优化的Eagle策略》，Stud.Comput。智力。，284, 101-111 (2010) ·Zbl 1197.90349号
[25] Cheng，M.Y。；Huang，K.Y。；Chen，H.M.，K-means粒子群优化与嵌入式混沌搜索，用于解决多维问题，Optim。莱特。，219, 4, 3091-3099 (2012) ·Zbl 1309.90124号
[26] 甘多米，A.H。；Yang，X.S.，混沌蝙蝠算法，J.Compute。科学。，5, 2, 224-232 (2014)
[27] 小I.F。；Perc，M。；Kamal，S.M。；Fister，I.，《基于混沌的萤火虫算法综述：观点和研究挑战》，应用。数学。计算。，252，c，155-165（2015）·兹比尔1338.90470
[28] 高，S。；瓦拉潘，C。；Wang，Y。；曹琦。；Tang，Z.，结合混沌的重力搜索算法在无约束数值优化中的应用，应用。数学。计算。，231, 11, 48-62 (2014) ·Zbl 1410.90261号
[29] 刘长平。；Ye，C.M.，基于自逻辑映射函数的变尺度混沌粒子群优化算法，应用。Res.计算。，28, 8, 2825-2827 (2011)
[30] 刘长平。；Ye，C.M.，Bat算法与混沌搜索策略及其性能分析，J.Syst。模拟。，25, 6 (2013), 1183-1182
[31] Wang，H。；孙，H。；李，C。；Rahnamayan，S。；Pan，J.S.，《利用邻域搜索的多样性增强粒子群优化》，《信息科学》。，223, 2, 119-135 (2013)
[32] Heidari，A.A。；Pahlavani，P.，一种用于优化任务的具有莱维飞行的高效改良灰狼优化器，Appl。数学。计算。，60, 115-134 (2017)
[33] Yang，X.S.，用于全局优化的花授粉算法，非常规计算和自然计算国际会议论文集，240-249（2012）·Zbl 1374.68527号
[34] Jensi，R。；Jiji，G.W.，用于全局优化的带有levy飞行的增强粒子群优化，应用。软计算。，43，c，248-261（2016）
[35] 米尔贾利利，S。；米尔贾利利，S.M。；Lewis，A.，灰狼优化器，高级工程师软件。，69, 3, 46-61 (2014)
[36] Yu，T.F。；Geng，P.，基于智能算法的燃煤电站锅炉低NO_x排放燃烧优化，环境。科学。技术。，39, 12, 139-143 (2016)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。