《表3 部分催化裂化反应再生过程优化结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向反应再生过程的量子粒子群多目标优化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证MQPSO-CES算法对催化裂化反应再生过程优化的效果，利用5种算法进行对比实验，部分实验结果列于表3。通过对比可知，当轻质油吸收率在75%左右时，本文算法所得焦炭产率和硫化物排放量均比其他算法结果有不同程度的降低，并且基于拥挤熵概念对外部档案进行更新维护，保持了Pareto解集的多样性，吸引子的自适应更新平衡了个体最优与全局最优的位置信息，避免了算法陷入早熟，而分段式高斯变异的作用使得算法能跳出局部最优，增强了算法的搜索能力。综合各种情况，可看出MQPSO-CES可更有效解决增加轻质油吸收率、降低焦炭产率、减少硫化物排放的三目标问题。