大规模过程系统能量优化综合的遗传模拟退火算法

为求解一般优化算法难以解决的大规模化工系统全过程用能优化综合问题,根据过程用能一致性原则,将其转换为一个大规模虚拟换热网络的求解问题．本文将改进的遗传算法和模拟退火算法有效地结合,增强了遗传算法的搜索能力,预防了传统遗传算法提前收敛的缺陷．数值计算表明,此算法显著优于求解优化问题的遗传算法和模拟退火算法,可处理热、冷流股数超过100的大规模过程系统的用能优化问题,取得了满意的结果．     

基于多操作SMSA算法的化工过程优化

提出一种多操作单纯形．模拟退火混合算(SMSA)，采用附加扰动、随机产生、移位、平滑、边界取值等多种算子作为模拟退火的状态产生函数，增强了算法的全局搜索和局部趋化能力，提高了算法的优化性能。对化工过程的优化控制及Grierwangk函数的优化的数值仿真，以及与单一遗传算法和模拟退火算法的比较研究验证了所提出算法的有效性和优越性。     

用于多产品间歇化工过程排序的模拟退火算法

提出了一种适用于多产品间歇化工过程排序的改进模拟退火算法 ,该算法采用了非平衡、多次退火策略及多个相邻解产生方法 .通过对无限中间储罐 (UIS)类问题的研究表明 ,同已有的方法相比 ,该方法求解精度高 ,计算速度快 ,适合于求解多产品间歇化工过程的排序问题 .     

TS法的改进及其在求解化工优化问题中的应用

TS算法属于现代优化算法,是局部领域搜索法的推广,常用于求解组合优化问题.利用TS法搜索过程的有向性和能够跳离局部最优解的特点,对其进行了改造,以适应求解连续变量化工优化问题.首先,根据化工优化问题变量的特性,提出了一种简便的邻域映射方案,并改进了迭代过程中自适应因子的下降函数;进一步分析对比了禁忌步数、自适应因子和初始解等参数对于优化结果的影响.然后通过算例和换热网络优化问题的求解,表明改造后的TS法在求解连续变量化工优化问题中的有效性,及其在化工优化领域的发展价值.     

基于知识改进的文化算法及其在化工动态优化中的应用

针对化工以及生化过程的动态优化问题,提出了一种基于改进知识引导的文化算法。该算法首先对控制搜索域与时间域分别进行了等分和离散化,利用"软约束"思想编码控制序列,采用"种群产生"-"控制域进化"-"种群寻优"迭代过程实现对控制序列的逐步寻优;其次在种群空间采用遗传算法,在信度空间采用差分算法,并将进化过程中的已有种群信息设计为3种知识,通过分析知识、提取知识、管理知识来指导进化过程。由于引入了文化进化理念和机制,大大提高了动态优化问题的搜索效率。通过3种典型化工动态优化问题的仿真实例,表明该算法具有较好的寻优效率以及更好的优化结果,验证了该算法在解决具有非线性动态约束问题的有效性。     

化工过程综合的混合整型非线性规划新算法

化工过程系统的最优综合问题一般归结为一个混合整型非线性规划（MINLP）数学模型。作者提出用整形变量连续化处理的新方法使问题趋于简化，同时给出了该算法的主要步骤和计算框图，并给出了应用实例。     

化工过程综合问题MINLP算法中整型变量的连续化

化工过程系统综合问题需要同时考虑设备结构参数和工艺操作参数,一般用整型变量表示设备的取舍,用连续变量表示操作参数,这就构成一个流程的超结构,在数学形式表现为一个混合整型非线性规划（MINLP）问题。混合整型非线性规划问题的求解成为化工过程综合优化的关键。今根据超结构中整型变量的特征,提出整型变量连续化处理的思路,将MINLP问题简化为NLP问题,然后采用罚函数法求解。最后将该算法运用于加氢脱烷基化（HDA）过程综合的实例研究,结果表明该算法克服了传统方法在处理整型变量时出现的麻烦,为有效快速地进行化工过程综合优化问题提供了一种新的途径。     

单产品间歇化工过程设计

本文修正了单产品间歇化工过程设计的数学模型并提出该问题的启发算法。该算法包括设备尺寸计算与过程综合。将实例计算结果与文献值进行了比较，证实了方法的正确性。     

一种求解化工动态优化问题的迭代自适应粒子群方法

智能优化方法因其简单、易实现且具有良好的全局搜索能力,在动态优化中的应用越来越广泛,但传统的智能方法收敛速度相对较慢。提出了一种迭代自适应粒子群优化方法(IAPSO)来求解一般的化工动态优化问题。首先通过控制变量参数化将原动态优化问题转化为非线性规划问题,再利用所提出的迭代自适应粒子群优化方法进行求解。相比传统的粒子群优化方法,该种迭代自适应粒子群优化方法具有收敛速度更快的优点,主要原因是:该算法根据粒子种群分布特性自适应调整参数;该算法通过缩减搜索空间并迭代使用粒子群算法搜索最优解。将提出的迭代自适应粒子群方法应用到多个经典动态优化问题中,测试结果表明,该方法简单、有效,精度高,且收敛速度比传统粒子群算法有显著提升。     

一种求解化工动态优化问题的迭代自适应粒子群方法

智能优化方法因其简单、易实现且具有良好的全局搜索能力,在动态优化中的应用越来越广泛,但传统的智能方法收敛速度相对较慢。提出了一种迭代自适应粒子群优化方法（IAPSO）来求解一般的化工动态优化问题。首先通过控制变量参数化将原动态优化问题转化为非线性规划问题,再利用所提出的迭代自适应粒子群优化方法进行求解。相比传统的粒子群优化方法,该种迭代自适应粒子群优化方法具有收敛速度更快的优点,主要原因是：该算法根据粒子种群分布特性自适应调整参数;该算法通过缩减搜索空间并迭代使用粒子群算法搜索最优解。将提出的迭代自适应粒子群方法应用到多个经典动态优化问题中,测试结果表明,该方法简单、有效,精度高,且收敛速度比传统粒子群算法有显著提升。     

多目的间歇化工过程最优设计——SA/LP算法

提出了具有多条生产路线的多目的间歇化工过程最优设计混合整数非线性规划(MINLP)模型,该模型允许同时设立同步、异步平行单元以及中间储罐,并允许设备尺寸离散变化.在结合模拟退火(SA)和线性规划(LP)的基础上提出了可求解上述MINLP问题的SA/LP算法,该算法结合了SA全局收敛性好和LP可处理连续变量与约束方程的优点.计算表明,上述模型与算法实施简便,得到了文献算例中未得到的全局最优解,且在计算速度、内存占用上都远远优于文献中的方法.     

换热网络合成问题的并行BB/SQP混合算法

换热网络合成问题通常可用非凸、非线性、不可微的混合整数非线性规划模型描述。基于GPU的并行计算技术为求解大规模模型提供了高效支撑。针对已有并行SQP算法求解换热网络合成问题中存在二元变量组合数过多、并行SQP算法求解结果严重依赖初值等问题,提出了BB/SQP混合并行算法。该算法采用BB算法代替枚举法,不但大大减少了模型求解中可能的二元变量组合,而且为SQP算法选出了可行的初值,从而提高了算法的求解质量。研究表明,所提出的混合并行算法能够有效求解换热网络合成问题,且并行计算相比串行计算的求解速度显著增加,加速比可达39。     

全局优化搜索新算法——列队竞争算法(Ⅰ) 解非线性和混合整数非线性规划问题

提出了一种称为列队竞争算法(LCA)的群体搜索算法,该算法在进化过程中始终保持着独立并行进化的家族,通过家族内部的生存竞争和家族间的地位竞争这两种不同的竞争方式,使群体快速进化到最优或接近最优的区域.根据家族的目标函数值大小排列成一个列队,按列队中家族地位的不同分配不同的搜索空间,使局部搜索与全局搜索达到均衡,同时,应用逐步收缩搜索空间技术加速收敛速度.数值计算表明,列队竞争算法的搜索效率优于遗传算法和模拟退火法等算法.     

全局优化搜索新算法--列队竞争算法(Ⅰ)解非线性和混合整数非线性规划问题

提出了一种称为列队竞争算法(LCA)的群体搜索算法,该算法在进化过程中始终保持着独立并行进化的家族,通过家族内部的生存竞争和家族间的地位竞争这两种不同的竞争方式,使群体快速进化到最优或接近最优的区域.根据家族的目标函数值大小排列成一个列队,按列队中家族地位的不同分配不同的搜索空间,使局部搜索与全局搜索达到均衡,同时,应用逐步收缩搜索空间技术加速收敛速度.数值计算表明,列队竞争算法的搜索效率优于遗传算法和模拟退火法等算法.     

Optimization of process synthesis and design problems: A modified differential evolution approach

A large number of process synthesis and design problems in chemical engineering can be modeled as mixed integer nonlinear programming (MINLP) problems. They involve continuous (floating point) and integer variables. A common feature of this class of mathematical problems is the potential existence of non-convexities due to the particular form of the objective function and/or the set of constraints. Due to their combinatorial nature, these problems are considered to be difficult. In recent years, evolutionary algorithms (EAs) are gaining popularity for finding the optimal solution of nonlinear multimodal problems encountered in many engineering disciplines. In the present study, a novel modified differential evolution [Angira, R., Babu, B.V., 2005a. Optimization of non-linear chemical processes using modified differential evolution (MDE). Proceedings of the Second Indian International Conference on Artificial Intelligence (IICAI-05), Pune, India, December 20-22, pp. 911-923. Also available at 〈http://discovery.bits-pilani.ac.in/discipline/chemical/bvb/publications.html〉], one of the evolutionary algorithms, is used for solving process synthesis and design problems. To illustrate the applicability and efficiency of modified differential evolution (MDE), seven test problems on process synthesis and design have been solved. These problems arise from the area of chemical engineering, and represent difficult nonconvex optimization problems, with continuous and discrete variables. The performance of MDE is compared with that of Genetic Algorithm, Evolution Strategy, and MINLP-Simplex Simulated Annealing (M-SIMPSA).     

Evolutionary algorithms approach to the solution of mixed integer non-linear programming problems

The global optimization of mixed integer non-linear problems (MINLP), constitutes a major area of research in many engineering applications. In this work, a comparison is made between an algorithm based on Simulated Annealing (M-SIMPSA) and two Evolutionary Algorithms: Genetic Algorithms (GAs) and Evolution Strategies (ESs). Results concerning the handling of constraints, through penalty functions, with and without penalty parameter setting, are also reported. Evolutionary Algorithms seem a valid approach to the optimization of non-linear problems. Evolution Strategies emerge as the best algorithm in most of the problems studied.     

带有过渡段循环的多元间歇精馏优化计算

采用最大馏出量、最小时间及最大负荷因子作为目标函数,以采出速率作为优化变量,间歇精馏过程采用分段恒回流比操作,利用改进的模拟退火算法进行了带有过渡段循环的三元体系间歇精馏过程的优化。分别获得了3种目标函数下的最优操作条件及最优值,并与文献结果进行了比较。采用改进的模拟退火算法得到的优化计算结果均优于文献值。不同的目标函数下得到的优化操作策略不同,且随着过渡段循环次数的增加精馏过程趋于稳定。     

A simulated annealing approach to the solution of minlp problems

An algorithm (M-SIMPSA) suitable for the optimization of mixed integer non-linear programming (MINLP) problems is presented. A recently proposed continuous non-linear solver (SIMPSA) is used to update the continuous parameters, and the Metropolis algorithm is used to update the complete solution vector of decision variables. The M-SIMPSA algorithm, which does not require feasible initial points or any problem decomposition, was tested with several functions published in the literature, and results were compared with those obtained with a robust adaptive random search method. For ill-conditioned problems, the proposed approach is shown to be more reliable and more efficient as regards the overcoming of difficulties associated with local optima and in the ability to reach feasibility. The results obtained reveal its adequacy for the optimization of MINLP problems encountered in chemical engineering practice.