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 .     

有并行设备的多目的间歇生产调度

针对有并行设备的多目的间歇生产调度问题,建立了以所有订单生产步骤排序和订单各阶段所选用分配规则为决策变量的调度优化模型,并提出了列队竞争算法求解该模型的有效个体表示方法及变异操作策略。实例计算表明:所提出方法的求解效率优于文献中所报道的方法,特别在求解有多台并行设备的调度问题时能得到比文献更好的结果,表现出其求解大规模复杂多目的调度问题的潜力。     

考虑能耗影响的多产品间歇化工过程优化排序

提出一种用于间歇生产的多产品化工厂排序的多目标优化的混合整数非线性规划(MINLP)模型,其目标函数同时考虑了总生产时间最短和能耗最小的影响,定义了关于过程能耗的影响因子及决策因子,用以对总生产时间和能耗的影响进行权衡。采用改进的模拟退火算法(SA)对具有不同决策因子和能耗影响因子情况下的算例进行了求解,结果表明,该模型能够较好地反映能耗因素在多产品厂排序问题中的影响,使排序结果达到生产时间和能耗影响的综合最优。     

基于HGA的经费分配多目标优化模型求解

为探索新的经费分配方法和管理模式,建立一种新的多目标非线性规划优化模型,提出一种先进的基于正交试验的新型混合遗传算法来求解该问题。对求解过程中的选择算子、交叉算子和变异算子等进行正交试验,得到的种群个体明显优于基本遗传算法的个体,仿真结果表明,该算法收敛寻优能力强,并能产生很多次优解,是一种高效的方法。     

一种改进的顺序型多目的间歇工厂生产调度的MILP模型

分析了顺序型多目的工厂间歇生产的特点,建立了一种新的混合整数线性规划（MILP）模型.该模型以操作活动序列作为建模的依据,将整个间歇生产过程分解成若干个子系统.在对各子系统建模的基础上,实现了顺序型多目的工厂间歇调度的全局性优化.并通过算例验证了该模型求解结果的正确性和可行性.然后将新模型运用到更大规模的调度问题上,均求解出了有效的调度方案.     

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.     

化工过程系统综合问题新的模块化求解策略和算法

针对过程系统综合问题中求解混合整数非线性规划（MINLP）问题传统解法的不足提出了在[JP+1]模块化环境中过程系统综合问题新的求解策略,同时提出相对应的算法.实例证明了该策略的正确性和新算法的有效性.     

基于PSO-控制变量参数化混合策略的间歇化工过程优化控制

控制变量参数化方法作为一种化工过程动态优化的梯度搜索算法,其求解效率过于依赖初始给定轨迹。目前初始轨迹一般都是设定在边界值或中间值,缺乏科学依据,从而大大影响了算法的收敛速度。针对这一问题,提出了一种粒子群优化(PSO)与控制变量参数化方法混合的策略,首先利用粒子群优化对间歇化工过程最优控制量进行求解,结果作为控制变量参数化方法初始给定轨迹,进行二次优化。双层优化的混合策略提高了控制变量参数化方法的收敛速度和粒子群优化算法的求解精度。将混合策略应用于两个间歇化工过程优化控制实例,仿真结果表明了该算法对求解化工过程动态优化问题具有可行性和有效性。     

基于PSO-控制变量参数化混合策略的间歇化工过程优化控制

控制变量参数化方法作为一种化工过程动态优化的梯度搜索算法，其求解效率过于依赖初始给定轨迹。目前初始轨迹一般都是设定在边界值或中间值，缺乏科学依据，从而大大影响了算法的收敛速度。针对这一问题，提出了一种粒子群优化(PSO)与控制变量参数化方法混合的策略，首先利用粒子群优化对间歇化工过程最优控制量进行求解，结果作为控制变量参数化方法初始给定轨迹，进行二次优化。双层优化的混合策略提高了控制变量参数化方法的收敛速度和粒子群优化算法的求解精度。将混合策略应用于两个间歇化工过程优化控制实例，仿真结果表明了该算法对求解化工过程动态优化问题具有可行性和有效性。     

粒子群算法求解边值固定的化工动态过程优化问题

针对化工过程系统优化中广泛存在着边值固定的动态优化问题,该问题的求解数学上还没有有效的方法,现今的方法之一是将问题转化为多目标优化问题.本文在粒子群优化(PSO)算法的基础上,提出在PSO算法中加入惩罚项,同时对局部极值与全局极值作进一步的调整,使PSO算法适用于求多目标优化问题理想有效解,该算法对多目标问题起到边优化边求理想有效解的功效;即只用一步即可求理想有效解,这使得在求解速度上大为加快.最后将其用于间歇反应器的最佳反应温度边值固定动态优化控制的实际运用中,取得良好效果.