基于收敛深度控制的多元混合非线性规划算法

随着对象模型描述的系统性和完整性的提高,过程优化问题的复杂程度逐步增加,对优化算法的性能提出了更高的要求。现有的非线性规划算法在求解性能上各有优劣,本文提出了一种基于收敛深度控制的多元混合非线性规划算法,将各个非线性规划算法视为元算法,利用收敛深度来控制这些元算法之间的相互协作,更好地发挥元算法各自的优势,从而提高求解大规模复杂优化问题的能力。采用空分系统的数据校正问题以及脱丙烷塔和脱丁烷塔联塔系统的优化问题对多元混合算法进行了测试,数值结果表明相比各个单独的非线性规划算法而言,多元混合算法具有更好的求解性能。     

考虑再生循环的多杂质用水网络全局优化

引入再生循环单元可以有效地减少多杂质用水系统整体的新鲜水消耗量和废水排放量。其现有的数学规划模型是一个非凸性严重的混合整数非线性规划问题,直接求解不仅计算难度大而且求解速度慢,这样只能得到局部最优解。本文利用分段线性松弛的方法对该模型进行处理,将双线性等式约束转换成线性约束,从而使复杂的水网络模型转换为对应的混合整数线性规划问题,因现有的商业优化软件对混合整数线性规划问题的求解算法已经非常成熟,这样降低了计算难度并取得全局最优解。算例结果表明分段线性松弛的方法可以使求解简单,能够获得全局最优解。管线费用的减少使年度化费用降低,全局优化能得到一个经济性更好的多杂质水网络,这种方法对于节省设备投资和操作费用,具有重要意义。     

一种求解过程动态优化问题的生物地理学习粒子群算法

智能优化算法具有适用性广泛、全局搜索能力强等优点,近年来在动态优化中的应用逐渐增多。通过混合生物地理优化与粒子群优化,提出了生物地理学习粒子群（biogeography-based learning particle swarm optimization,BLPSO）算法,并用于动态优化问题的求解。BLPSO采用了新型的生物地理学习方式,该方式根据粒子“排名”,即粒子的优劣,以维度为单位构造学习粒子,提高了学习的效率。针对动态优化问题,首先通过控制向量参数化将其转化为非线性规划问题,然后采用BLPSO算法进行求解。最后,将BLPSO应用于非可微、多峰、多变量等典型动态优化问题的求解,计算结果表明BLPSO具有较好的搜索精度和收敛速度。     

基于CSTR的反应器网络综合双层优化算法

反应器网络综合问题一般都是复杂的非线性规划问题,在分析基于全混流反应器的反应器网络模型特点的基础上,提出了求解该模型的双层优化算法. 通过将反应器网络综合非线性规划问题分解为物流流量和反应器体积空间的线性优化和浓度空间的优化搜索问题,降低了所求解问题的规模和难度,同时利用全局优化算法进行浓度空间的优化搜索,提高了求得全局最优解的概率. 实例研究表明,双层优化算法可以更准确地给出最优的反应器网络结构以及网络中反应器的类型和大小.     

一种求解过程动态优化问题的生物地理学习粒子群算法

智能优化算法具有适用性广泛、全局搜索能力强等优点,近年来在动态优化中的应用逐渐增多。通过混合生物地理优化与粒子群优化,提出了生物地理学习粒子群(biogeography-based learning particle swarm optimization,BLPSO)算法,并用于动态优化问题的求解。BLPSO采用了新型的生物地理学习方式,该方式根据粒子"排名",即粒子的优劣,以维度为单位构造学习粒子,提高了学习的效率。针对动态优化问题,首先通过控制向量参数化将其转化为非线性规划问题,然后采用BLPSO算法进行求解。最后,将BLPSO应用于非可微、多峰、多变量等典型动态优化问题的求解,计算结果表明BLPSO具有较好的搜索精度和收敛速度。     

基于GPU加速求解MINLP问题的SQP并行算法

针对确定性算法求解大型复杂混合整数非线性规划的时间不可接受问题,通过对序贯二次规划算法(SQP)和图形处理器(GPU)的架构特点分析,提出了基于GPU加速策略的并行化SQP算法。算法的主要思想是通过枚举法确定二元变量的取值,在保证取值完整的基础上,使用CPU+GPU的并行策略,同时运用大量线程进行非线性规划子问题的求解。算例的数值实验结果表明:本文所提出的算法较之传统串行计算具有较好的加速效果,特别适合求解二元变量较多,约束条件相对少的MINLP问题。     

汽油调合调度优化

采用连续时间建模方法，建立了一种新的汽油非线性调合和调度集成优化的混合整数非线性规划（MINLP）模型，克服了当前在油品调合调度中采用线性调合模型或者将非线性调合过程和调度分开优化的缺陷。针对建立MINLP模型的特点，将原MINLP问题转化为求解一系列的混合整数线性规划（MILP）模型，避免了直接求解MINLP模型的复杂性。最后以某大型炼油企业为例，验证了模型和算法的实用性。     

非线性规划在水泥工业工程设计中的应用

本文主要利用现有非线性规划方法，结合具体的运用研究和工程开发设计的需要，建立了一系列非线性规划问题．并针对问题的性质，进行分析求解，解决了工程中的一系列实际问题，同时也展示非线性规划在水泥工程应用的作用．现已成为水泥工业技术装备及过程开发、研究和设计的有力控制工具，为提高行业的工程研究、开发和装备的技术水平及控制和优化提供了有效途径。     

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。     

油轮到达时间不确定条件下的原油调度优化

原油调度是炼油企业生产的第一个环节,它直接影响后续生产过程的稳定性和经济性.文中采用连续时间建模方法.建立了油轮到达时间不确定条件下的原油从到港、卸载、储存、调合到进料全过程的随机规划机会约束调度优化模型,模型的优化目标是最小化给定调度时界内的总操作费用.采用直方图法对油轮迟到时间进行回归,得到油轮迟到时间的概率密度函数和分布函数,并引入置信水平,将模型中的不确定性约束转化为确定性约束,使得油轮到达时间不确定条件下的随机规划机会约束模型转变为可以求解的确定性混合整数非线性规划模型.针对原油调度模型的特点,采用广义Benders分解算法将原模型分解为两个混合整数线性规划问题和一个非线性规划问题进行迭代求解.避免了直接求解混合整数非线性规划问题的复杂性.最后,将建立的模型和算法应用于背景企业的原油调度过程,结果表明模型和算法都有良好的实用性.     

基于差分进化和分布估计的改进混合算法在NLP及MINLP工程优化问题中的应用(英文)

In this paper, an improved hybrid differential evolution-estimation of distribution algorithm (IHDE-EDA) is proposed for nonlinear programming (NLP) and mixed integer nonlinear programming (MINLP) models in engineering optimization fields. In order to improve the global searching ability and convergence speed, IHDE-EDA takes full advantage of differential information and global statistical information extracted respectively from differential evolution algorithm and annealing mechanism-embedded estimation of distribution algorithm. Moreover, the feasibility rules are used to handle constraints, which do not require additional parameters and can guide the population to the feasible region quickly. The effectiveness of hybridization mechanism of IHDE-EDA is first discussed, and then simulation and comparison based on three benchmark problems demonstrate the efficiency, accuracy and robustness of IHDE-EDA. Finally, optimization on an industrial-size scheduling of two-pipeline crude oil blending problem shows the practical applicability of IHDE-EDA.     

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。     

Control Vector Parameterization‐Based Adaptive Invasive Weed Optimization for Dynamic Processes

A novel optimal approach named invasive weed optimization‐control vector parameterization (IWO‐CVP) for chemical dynamic optimization problems is proposed where CVP is used to transform the problem into a nonlinear programming (NLP) problem and an IWO algorithm is then applied to tackle the NLP problem. To improve efficiency, a new adaptive dispersion IWO‐based approach (ADIWO‐CVP) is further suggested to maintain the exploration ability of the algorithm throughout the entire searching procedure. Several classic chemical dynamic optimization problems are tested and detailed comparisons are carried out among ADIWO‐CVP, IWO‐CVP, and other methods. The research results demonstrate that ADIWO‐CVP not only is efficient, but also outperforms IWO‐CVP in terms of both accuracy and convergence speed.     

Optimization of short-time gasoline blending scheduling problem with a DNA based hybrid genetic algorithm

Gasoline blending is a key process in the petroleum refinery industry posed as a nonlinear optimization problem with heavily nonlinear constraints. This paper presents a DNA based hybrid genetic algorithm (DNA-HGA) to optimize such nonlinear optimization problems. In the proposed algorithm, potential solutions are represented with nucleotide bases. Based on the complementary properties of nucleotide bases, operators inspired by DNA are applied to improve the global searching ability of GA for efficiently locating the feasible domains. After the feasible region is obtained, the sequential quadratic programming (SQP) is implemented to improve the solution. The hybrid approach is tested on a set of constrained nonlinear optimization problems taken from the literature and compared with other approaches. The computation results validate the effectiveness of the proposed algorithm. The recipes of a short-time gasoline blending problem are optimized by the hybrid algorithm, and the comparison results show that the profit of the products is largely improved while achieving more satisfactory quality indicators in both certainty and uncertainty environment.     

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。     

DNA Double Helix Based Hybrid GA for the Gasoline Blending Recipe Optimization Problem

A hybrid genetic algorithm is proposed for heavily nonlinear constrained optimization problems by utilizing the global exploration and local exploitation characteristics, and the convergence rate of the proposed algorithm is analyzed. In the global exploration phase, a DNA double helix structure is used to overcome Hamming cliffs and DNA computing based operators are applied to improve the global searching capability. When the feasible domains are located, the sequential quadratic programming (SQP) method is performed to quickly find the local optimum and improve the solution accuracy. The comparison results of typical numerical examples and the gasoline blend recipe optimization problem are employed to demonstrate the reliability and efficiency of the proposed algorithm.     

Sensor network design for maximizing process efficiency: An algorithm and its application

Sensor network design (SND) is a constrained optimization problem requiring systematic and effective solution algorithms for determining where best to locate sensors. A SND algorithm is developed for maximizing plant efficiency for an estimator‐based control system while simultaneously satisfying accuracy requirements for the desired process measurements. The SND problem formulation leads to a mixed integer nonlinear programming (MINLP) optimization that is difficult to solve for large‐scale system applications. Therefore, a sequential approach is developed to solve the MINLP problem, where the integer problem for sensor selection is solved using the genetic algorithm while the nonlinear programming problem including convergence of the “tear stream” in the estimator‐based control system is solved using the direct substitution method. The SND algorithm is then successfully applied to a large scale, highly integrated chemical process. © 2014 American Institute of Chemical Engineers AIChE J, 61: 464–476, 2015     

基于信赖域算法的精馏塔优化

从结构优化角度建立精馏塔优化的混合整数非线性规划(MINLP)模型,为了消除整数变量,引入绕流效率将MINLP问题转化为非线性规划(NLP)问题。针对得到的NLP问题提出一种优化方法,在该方法中采用结构优化中常用的信赖域优化算法进行求解,并应用虚拟瞬态连续性方程辅助优化中的稳态模拟。采用提出的优化方法对3个精馏系统进行设计优化,以不同初始值开始,均可得到令人满意的优化结果,表明所提优化方法具有良好的稳健性,对于较复杂的部分热耦合精馏过程仍然可以有效优化求解;信赖域算法在精馏塔优化中也表现出良好的收敛性。     

改进鲸鱼优化算法及其在渣油加氢参数优化的应用

针对智能优化算法在处理非线性优化问题中存在的容易陷入局部最优和收敛精度差等问题,提出了一种基于结合差分进化和精英反向学习的改进鲸鱼算法（DEOBWOA）。该算法引入对立搜索初始化、精英反向学习,并结合差分进化进行变异修正,显著有效地提高WOA算法的收敛精度和收敛速度,提高其跳出局部最优的能力。之后采用8个标准测试函数进行仿真实验,结果表明：DEOBWOA算法与标准WOA、HCLPSO、DE算法相比,全局搜索能力和收敛速度都有较大提升。最后建立了渣油加氢动力学模型,考虑到渣油加氢过程中存在诸多典型的非线性约束问题,以某炼化厂渣油加氢装置为例,应用DEOBWOA对渣油加氢反应动力学模型参数进行优化,结果表明该算法能较好地处理实际工程优化问题。