针对粒子群优化(PSO ) 容易陷入局部极小, 提出将模拟退火(SA ) 引入并行PSO 算法. 这种模拟退火并行粒
子群算法, 结合了并行粒子群算法的快速寻优能力和SA 的概率突跳特性, 保持了群体多样性, 从而避免了种群退化.
针对转炉提钒过程是一个复杂非线性反应过程而难以建立终点控制模型的问题, 提出了基于模拟退火的并行粒子群
RBF 网络的辨识模型, 优化了RBF 核中心个数, 从而克服了随机性选择. 将该模型用于预测提钒吹氧时间, 仿真结果
表明预测误差不超过真实值的20%.