1、近年來(lái)，為了保證生產(chǎn)過(guò)程的正常進(jìn)行和獲得最大的經(jīng)濟(jì)效益，先進(jìn)控制技術(shù)紛紛被應(yīng)用于現(xiàn)代生產(chǎn)過(guò)程中。其中之一的軟測(cè)量技術(shù)，已在解決工業(yè)生產(chǎn)中質(zhì)量指標(biāo)的實(shí)時(shí)測(cè)量和控制問(wèn)題中嶄露頭角。眾所周知，軟測(cè)量技術(shù)的核心問(wèn)題是建模，而模型參數(shù)的優(yōu)化是關(guān)鍵。近期隨著計(jì)算智能的發(fā)展，一些新型的智能算法不斷提出，同時(shí)也因其高效的優(yōu)化性能，被成功應(yīng)用于解決很多實(shí)際問(wèn)題。
　　 因此，本論文將針對(duì)軟測(cè)量建模中單一或多模型參數(shù)優(yōu)化的需求，在對(duì)常用的智能優(yōu)化算

2、法局部和全局搜索等特性對(duì)比分析的基礎(chǔ)上，將細(xì)菌覓食算法(Bacteria Foraging Optimization Algorithm，BFOA)與PSO、GA等智能優(yōu)化算法相結(jié)合，得到相應(yīng)的改進(jìn)算法，并將其應(yīng)用于不同模型參數(shù)的優(yōu)化中，以期提高模型的預(yù)測(cè)精度和泛化能力。具體工作主要包括:
　　 1)針對(duì)單一軟測(cè)量建模中模型參數(shù)的優(yōu)化需求，在對(duì)PSO與BFOA算法特性深入分析之后，將二者有機(jī)結(jié)合提出了一種新型細(xì)菌覓食粒子群混合優(yōu)

3、化算法。該算法將PSO粒子移動(dòng)的思想引入BFOA，以期有效解決細(xì)菌覓食算法趨向性操作中細(xì)菌位置更新盲目性的問(wèn)題。改進(jìn)后的算法，經(jīng)使用典型測(cè)試函數(shù)尋優(yōu)驗(yàn)證，結(jié)果表明算法收斂速度及尋優(yōu)能力均得以改善;進(jìn)而將其用于成品油研究法辛烷值LS-SVM模型參數(shù)的優(yōu)化，預(yù)測(cè)結(jié)果表明基于BSOA-LSSVM的軟測(cè)量模型具有更高的預(yù)測(cè)精度高及更好的泛化能力。
　　 2)在對(duì)BFOA趨向性操作深入分析的基礎(chǔ)上，首先對(duì)趨向性操作的步長(zhǎng)引入了自適應(yīng)機(jī)制，

4、其次將GA變異及交叉算子引入BFOA，進(jìn)而提出了一種自適應(yīng)細(xì)菌覓食遺傳混合算法。在對(duì)該算法采用典型測(cè)試函數(shù)驗(yàn)證其尋優(yōu)性能后，將其應(yīng)用于基于FCM的多模型參數(shù)優(yōu)化中，建立了工業(yè)乙烯濃度的預(yù)測(cè)模型，預(yù)測(cè)結(jié)果表明該方法能有效滿足系統(tǒng)的復(fù)雜特性，更為準(zhǔn)確的估計(jì)主導(dǎo)變量。
　　 采用以上兩種改進(jìn)細(xì)菌覓食算法并將其用于單一或多模型模型參數(shù)的優(yōu)化中，仿真結(jié)果表明兩種改進(jìn)混合算法可以有效彌補(bǔ)算法本身的缺陷，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，提高算法的局部搜索及全局