浅论拓扑粒子群算法在发酵补料制约中运用和站

论文导读：
摘要：药物蛋白质的发酵历程是一种复杂的、不确定的、非线性的时变生化历程。目前发酵行业利用最广泛的补料工艺为分批补料发酵,通常称作半连续发酵,是指在发酵历程中间歇地补加某些营养物质的办法。在发酵工业的早期,补料模式完全是凭经验进行的。在大规模发酵工业中,补料模式己以单一时刻补料进展到多时刻连续补料,以补加一种营养物进展到补加多种营养物菌体,在各个生长阶段的营养物配置案例将大大影响蛋白产量,由此寻找一种合适的智能补料案例,对提升产物产量有重要作用。粒子群算法作为一种新型的进化算法,具备快速的搜索速度,且鲁棒性强,对于复杂优化不足来说是一种可行的搜索算法。但传统粒子群算法有着容易陷入局部最优和收敛过快的不足。针对这些不足,本论文提出了一种基于局部最优逃逸机制的限速粒子群算法,具体改善包括：1、通过分析粒子群的邻域学习能力,提出了基于无标度网络的动态拓扑粒子群算法,加强了邻域的开发能力；2、针对粒子群容易陷入局部最优点而造成算法停滞的不足,本论文提出了逃逸的思想,对局部最优粒子进行逃逸,用于增强粒子群局部极值点的逃逸能力；3、每当最优粒子更新时,记录粒子的位移,作为屏蔽速度的标准,加速了搜索速度,同时避开了因为屏蔽速度设置不当造成粒子群在聚集于边界的不足。文中提出了基于逃逸机制的动态拓扑粒子群算法,对5个经典测试函数进行了算法优化能力和群体多样性随迭代次数变化的实验仿真,结果表明所提算法具有良好的优化性能。将本论文所提算法进行实际运用,根据对白介素蛋白质发酵的制约量、各个阶段菌体生长的特征从及补料模式的分析,设计了基于局部最优逃逸机制的动态拓扑粒子群算法的工程菌发酵开发体系,与其他优化算法对比,该办法解决了传统粒子群算法在优化发酵补料工艺的多时段实时制约常常陷入局部最优：无法找到最优解的不足,在较短的时间内找到了较优的补料案例,具有良好的运用效果。上面陈述的实验结果表明,本论文所提的优化算法在优化复杂高维不足时具备可观的优化性能,对现实优化不足具有一定的参考价值。关键词：粒子群优化论文拓扑结构论文逃逸机制论文屏蔽速度论文分批补料论文
本论文由www.7ctime.com,需要可从关系人员哦。摘要4-5
Abstract5-8
1 绪论8-11

1.1 课题的探讨背景和作用8-9

1.2 粒子群算法的进展近况9-10

1.3 论文主要工作和组织结构10-11

2 预备知识11-17

2.1 优化不足11

2.2 基本粒子群优化算法11-13

2.3 图论基础概念13-15

2.3.1 拓扑结构的几种重要图属性13-14

2.3.2 拓扑网络14-15

2.5 最小二乘支持向量机15-17

3 基于邻域拓扑结构的改善案例17-23

3.1 基于静态拓扑结构的PSO17-18

3.2 基于动态拓扑结构的PSO18-20

3.

2.1 无标度网络18-19

3.

2.2 基于无标度网络的动态拓扑粒子群算法19-20

3.3 邻域拓扑模型和传统全局模型的比较20-23
4 基于局部最优逃逸机制的限速PSO23-37

4.1 局部最优粒子的逃逸机制23-24

4.2 粒子速度的屏蔽机制24

4.3 算法流程24-25

4.4 实验仿真25-36

4.5 分析和讨论36-37

5 改善PSO在制药蛋白发酵中的运用37-48

5.1 蛋白质发酵介绍37-39

5.

1.1 蛋白质发酵的补料制约参数简介37

5.

1.2 蛋白质的生长阶段37-38

5.

1.3 补料流加发酵38-39

5.2 工程菌发酵开发体系介绍39-41

5.3 发酵历程模型41-42

5.4 基于改善PSO算法的蛋白质补料工艺优化42-48

结论48-49
参考文献49-52
攻读硕士学位期间发表学术论文状况52-53
致谢53-54