1、粒子群優(yōu)化算法(Particle Swarm Optimization,PSO算法)源于鳥群和魚群群體運動行為的研究，是一種基于種群搜索策略的自適應隨機算法，是進化計算領域中的一個新的分支。它的主要特點是簡單、收斂速度較快、沒有很多參數需要調整，且不需要梯度信息，在工程實踐中表現出巨大潛力，現已廣泛應用于函數優(yōu)化、神經網絡、模糊系統(tǒng)控制、模式識別等多個領域。
　　 本文從PSO算法的基本原理、算法流程、參數設置等方面做了較為系統(tǒng)

2、的論述，并討論了PSO的兩種標準算法：慣性權重模型和收縮因子模型。標準PSO算法都是著眼于如何更有效地使粒子群在解空間中搜索最優(yōu)解，但在高維復雜問題尋優(yōu)時仍然存在早熟收斂、收斂精度比較差的缺點。
　　 針對粒子群算法易陷入局部最優(yōu)解的缺點，在前人研究的基礎上，通過粒子變異來提高算法的全局搜索能力，仿真試驗證明改進后的粒子群算法在收斂精度上優(yōu)于標準粒子群算法和慣性權重線形遞減粒子群算法。
　　 PTA溶劑脫水塔是PTA生產

3、中的關鍵設備，其平穩(wěn)、安全、高效運行對PTA生產過程具有舉足輕重的作用，因此對溶劑脫水塔進行操作優(yōu)化具有重要的理論和實際意義，本文以PTA裝置溶劑脫水塔為研究對象，采用主元分析PCA與BP神經網絡相結合的方法建立了溶劑脫水塔塔底醋酸收率的模型。在此基礎上采用改進粒子群算法對PTA溶劑脫水塔操作優(yōu)化，以指定的醋酸收率為目標函數，優(yōu)化操作命題，獲得溶劑脫水塔的最優(yōu)化操作條件，實際應用表明，與原操作工況相比，溶劑脫水塔能獲得更優(yōu)的塔底醋酸收率