《智能优化算法解析》 课件 第7章-基于智能优化算法的实际问题求解案例.pptx

智能优化算法解析第7章基于智能优化算法的实际问题

求解案例

7.1一类污水处理系统的智能评判优化控制设计7.2基于细菌觅食优化的蛋白质功能模块检测7.3基于萤火虫算法的脑效应连接网络学习主要内容CONTENTS

3基于智能优化算法的实际问题求解案例本章探讨智能优化算法在新兴战略领域实际问题中的应用案例，旨在为智能优化算法在现实应用领域的研究提供参考和启示。导读污水处理系统智能评判优化控制设计：利用智能算法，提高水质、降低能耗基于细菌觅食优化的蛋白质功能模块检测：利用智能算法，提高模块检测性能基于萤火虫算法的脑效应连接网络学习：利用智能算法，识别脑区因果关系

7.1一类污水处理系统的智能评判优化控制设计

57.1.1污水处理过程的基本运行原理基于智能优化的污水处理系统设计核心步骤一：建立能耗以及水质的预测模型。利用径向基函数(RadialBasisFunction,RBF)神经网络与历史数据，构建能耗与水质的预测模型核心步骤二：有哪些信誉好的足球投注网站最优解。应用多目标粒子群优化算法，基于模型找出最优解集，选择最优设定值核心步骤三：实现智能评判优化控制。设计智能控制器，维持溶解氧和硝态氮浓度在最优设定值

67.1.1污水处理过程的基本运行原理污水处理系统基本原理：本课程考虑的污水处理系统主要包括曝气池、二沉池及回流系统。污水与活性污泥混合曝气，微生物分解有机物后，混合液进入二沉池分离泥水，部分污泥回流保持浓度，剩余污泥排出系统作用：该系统能够有效去除有机物，适用于城市污水处理过程，具有高效净化、操作简便等优点进水出水污水处理曝气池沉淀池处理水脱磷处理水含磷污泥+脱磷水(吸收磷,去除生化需氧量)原污水(含磷)混合池石灰含磷污水除磷池脱磷水回流脱磷水沉淀池缓速搅拌冲洗水(厌氧)含磷污泥剩余污泥排放脱磷污泥回流(用于吸收磷)含磷污泥

77.1.1污水处理过程的基本运行原理污水处理能耗和水质模型如图所示，通过改变污水处理系统的控制输入来调整关键变量浓度，保证污水处理过程中的除氮效果。该过程中，需要关注如下两个指标：能耗：表征污水处理过程运行成本，与氧传递系数和内回流量相关水质指标：污染物超标引起的罚款，与排出水中关键物质浓度相关

87.1.1污水处理过程的基本运行原理污水处理能耗和水质模型能耗EC的具体定义如下水质指标EQ的具体定义如下为避免水体富营养化，存在如下约束条件

97.1.1污水处理过程的基本运行原理污水处理优化模型运行能耗和出水水质是污水处理过程中两个重要的评价指标。因此，可将污水处理的设定值优化抽象为带有约束的多目标优化问题。对于此类污水处理过程的多目标优化问题，可将其描述为式中，t为时间变量，x为决策变量，f(x,t)为优化目标函数，和分别表示不等式约束和等式约束条件。

最终，得到优化目标函数107.1.2多目标智能优化算法描述污水处理过程的数据驱动模型污水处理过程是一个具有大量扰动的复杂非线性系统。为了模拟污水处理过程中的动态特性，利用RBF神经网络建立能耗和出水水质与过程变量之间的数据驱动模型

11污水处理过程的数据驱动模型水质和能耗网络模型的输入参数是根据污水处理中影响能耗和水质的关键因素确定的。这些关键因素包括溶解氧浓度、硝态氮浓度、氨氮质量浓度

、总氮质量浓度、化学需氧量、生化需氧量等。基于此，网络输入变量具体选择为选择RBF神经网络作为实现工具的原因：局部逼近能力简单而高效的结构良好的泛化能力易于理解和实现7.1.2多目标智能优化算法描述

则粒子速度和位置的更新规则为定义第i个粒子的速度为127.1.2多目标智能优化算法描述求解设定值的多目标优化算法为了同时满足降低能耗和提高出水水质的要求，采用多目标粒子群算法来求解溶解氧和硝态氮浓度的设定值。每个粒子都有一个表示其在有哪些信誉好的足球投注网站空间中坐标的位置向量，并使用速度向量更新位置向量。第i个粒子的位置信息为其中，k为迭代指标，H为粒子种群的个体数量，D是粒子的探索空间维数。

137.1.2多目标智能优化算法描述求解设定值的多目标优化算法初始化：给定算法参数，随机生成粒子群评估适应度：计算每个粒子的多个目标函数值更新全局和个体最优：更新当前迭代中的最优解集，根据非支配关系更新g_best和p_best更新粒子位置和速度：使用p_best和g_best信息来更新每个粒子的位置和速度更新存储库：根据支配关系