肾启发算法是一种受人体肾脏功能启发的智能算法。本文在对肾启发算法性能研究的基础上,对肾启发算法的改进作了进一步研究。本文的主要研究内容如下:(1)简要介绍肾启发算法的产生以及原理,并结合优化经典测试函数的结果、收敛曲线和群体分布图评价算法的性能,基于此总结了肾启发算法的不足。(2)针对肾启发算法的不足,本文受粒子群算法的启发,改进肾启发算法的运动方程,为了进一步增强算法的局部搜索精度,引入分子操作。与另外两种优化算法对典型测试函数的优化结果的评价中,表明受粒子群算法启发的肾算法的性能最优。此外,本文引入了卡普陀梯度下降算法,该算法的搜索精度优于传统的梯度下降算法。为了建立更精确的模型,本文结合受粒子群算法启发的肾算法和卡普陀梯度下降算法改进RBF网络,并应用改进的RBF网络对汽油管道调合过程进行建模,与经验法的RBF以及K均值的RBF的建模结果对比,改进的RBF网络具有更高的精度。(3)为了进一步提高肾启发算法的性能,本文重新定义滤过函数和运动方程,同时引入莱维飞行,提出了改进的肾启发算法,在与其它三种优化算法的客观评价中,改进的肾启发算法性能最优。为了建立FCCU反应-再生系统的精确模型,本文结合改进的肾启发算法和卡普陀梯度下降算法,提出改进的对角递归神经网络对FCCU反应-再生系统进行建模。在与DRNN的辨识结果的比对实验中,本文改进的DRNN算法获得更为满意的结果。