遗传算法在催化材料组合选择和优化中的应用

根据组合化学在新催化剂研制方面的应用,结合遗传算法的基本原理和特点,介绍了遗传算法在催化剂库设计和优化中的应用步骤和计算流程,对快速高效开发新催化剂有借鉴作用。     

基于小生境遗传算法的多峰函数全局优化研究

针对基本遗传算法在求解多峰函数时很难找到全部最优解的问题,研究了基于淘汰相似结构机制的小生境遗传算法。用该算法对两个典型多峰函数求解的测试结果表明,该算法较之基本遗传算法有更强的全局搜索能力和更快的收敛速度。     

核壳结构纳米复合材料在催化中的应用

核壳结构纳米复合材料因其独特的结构而呈现出诸多新奇的物理、化学特性,在催化、生物、医学、光、电、磁以及高性能机械材料等领域具有广阔的应用前景。其中核/壳型结构的催化剂不仅可实现可控催化反应,还可以保护芯材不受外界环境的化学侵蚀,解决纳米粒子的团聚等问题,成为近年来催化领域的研究热点。本文系统综述了核壳型纳米复合材料在催化中的最新研究进展,详细介绍了金属-金属、金属-氧化物、氧化物-氧化物等核壳结构型的纳米复合材料在燃料电池中的电催化氧化反应、有机物加氢、选择性氧化、还原、环境催化及光催化降解等反应中的应用,并对今后核壳结构型的催化剂的研究方向进行了展望。     

遗传算法和神经网络的结构优化策略

提出了基于遗传算法和神经网络的结构优化方法。在该方法中,将个体繁殖和群体进化局限于可行域空间。利用该方法求解了２个结构优化实例。     

遗传算法在离散控制系统优化中的应用

利用遗传算法实现对离散控制系统的优化,并给出了离散二阶线性系统的最优控制实例。     

全局校正的可变容差法及其在化工过程在线优化中的应用

传统在线优化算法在寻优时未考虑全局最优点对寻优的指导作用,且没有对优化搜索区域进行约束,因此,具有一定的盲目性,很难保证最终能够搜索到全局最优点,且优化解难以在线应用。针对传统优化算法的局限性,本文提出了一种全局优化指导局部优化的两层优化方法——全局校正的可变容差法,以遗传算法作为全局优化算法,可变容差法作为局部优化算法,以全局优化解调整局部优化算法的寻优方向,保证在线优化向全局最优点方向前进,指出全局优化算法和局部优化算法分别具有不同的优化周期和约束区域。将全局校正的可变容差法在数值函数中验证并应用于乙炔加氢反应器的在线优化,结果表明,与传统在线优化算法相比,这种方法不但能够减少寻优时间,也提高了寻优的精确度和有效性。     

动态遗传算法在大数据聚类分析中的应用

对于常规聚类方法,聚类结果往往与初始聚类中心数目和数据入次序有关。本文另辟蹊径,提出了一种动态GA来实现样本类别数目由数据本身来确定,避免了聚类数目确定的盲目性等问题。计算结果表明,该方法是一个具有全局最优解的动态聚类方法。     

纳米催化材料在污染物中的应用

随着新型催化材料的不断研发,纳米催化剂得到了广泛的研究并推动了催化科学的发展。本文介绍了纳米催化材料的特点、制备方法及主要用途。简述了近年来纳米催化材料在催化降解应用中的研究进展。本文最后对纳米光催化材料在可控合成以及不同催化过程中的可能应用进行了展望与总结。     

纳米级金属分子树在催化中的应用

介绍了一类新型的催化剂——金属分子树,纳米级的分子体积使其拥有常规催化剂所不具有的优点:立体选择性 较高,利用纳米级薄膜可将其从溶液中分离出来并可重复使用。综述了金属分子树在合成中的催化作用,并同常规催化剂作 了比较,最后展望了此类大分子的应用前景。     

基于遗传算法和粒子群优化算法的电力系统无功优化

从数学的角度分析,电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题,因此,优化过程十分复杂.以减少有功网损为目标函数建立电力系统无功优化计算的数学模型,基于遗传算法和粒子群优化算法,提出一种新颖的混合策略来求解无功优化问题.IEEE 6和IEEE 14节点系统的仿真计算结果表明:与单一的遗传算法或粒子群优化算法相比,该混合策略在优化效果方面具有明显的优势.     

A hybrid approach to global optimization using a clustering algorithm in a genetic search framework

The concern of this work is global optimization using genetic algorithms (GAs). In this work we propose a synergy between the cluster analysis technique, popular in classical stochastic global optimization, and the GA to accomplish global optimization. This synergy minimizes redundant searches around local optima and enhances the capability of the GA to explore new areas in the search space. The proposed methodology demonstrates superior performance when compared with the simple GA on benchmark cases. We also report our solution of the optimal pumps configuration synthesis problem.     

基于混合遗传算法的催化重整过程多目标优化

为实现催化重整过程生产指标的综合优化,基于已实现工业应用的催化重整17集总反应动力学模型和催化重整过程机理模型,考虑相应的多种约束条件,建立了以最大化总芳烃收率和最小化重芳烃收率为目标的多目标操作优化模型。提出了一种将遗传算法与局部优化方法相结合的多目标混合遗传算法HNAGA,并用于多目标操作优化模型的求解。现场工业数据的仿真研究表明,HNAGA在寻找Pareto最优解前沿方面比原遗传算法具有一定的优越性。将该多目标优化模型和求解方法应用于工业催化重整装置的操作优化,可以有效提高决策的准确性。     

并行多家族遗传算法解多目标优化问题

提出了一种并行多家族遗传算法,采用主从节点分布式的计算策略,并应用分解协调的思想,对Pareto前沿进行分段,将计算任务分配到局域网上的多台计算机上完成,以减少计算时间。将所提出的方法用于两个化工实际问题的求解,得到的Pareto前沿的分布均匀性和全面性均优于单个遗传算法算得的结果。解决了遗传算法与流程模拟器结合解化工过程多目标优化问题时计算耗时太长的难题。     

Multiobjective optimization of an industrial nylon-6 semibatch reactor system using genetic algorithm

Multiobjective Pareto optimal solutions for three different grades of nylon-6 produced in an industrial semibatch reactor are obtained by using the adapted Nondominated Sorting Genetic Algorithm (adapted NSGA). The two objective functions minimized are the total reaction time and the concentration of undesirable cyclic dimer in the product, while simultaneously attaining desired values of the monomer conversion and the number average chain length. The control variables used are the fractional valve opening f(t) and the jacket fluid temperature T_J. The study shows a marked improvement over current industrial operation. It is found that the optimal values of the cyclic dimer concentration in the product are worse (higher) when the reactor-control valve system is studied than when the reactor is considered alone. This is because the control valve leads to additional constraints. The technique used is quite general and can be used to study other reactor systems as well. © 1999 John Wiley & Sons, Inc. J Appl Polym Sci 73: 729–739, 1999     

基于全局优化改进混沌粒子群遗传算法的物料平衡数据校正

结合遗传算法（GA）和粒子群算法（PSO）的优点以及混沌运动的特性,提出了加入混沌扰动的混沌粒子群遗传算法（DCPSO-GA）,并使用5个高维非线性测试函数考察全局优化混合算法的性能。DCPSO-GA解决了在寻优搜索时出现的停滞现象,扩大了全局优化的搜索空间,丰富了粒子的多样性,且不需要函数梯度信息。测试结果证明,针对本文的5个测试函数DCPSO-GA能找到全局最优解,其收敛速度很快,大大减少了计算量。而且,经过与其他相关算法比较可知,当总的目标函数调用次数较接近或更少时,改进算法不论在计算精度还是收敛速度上,均有很大的提高。并将DCPSO-GA算法应用到重油裂解参数估计和预测中,测试结果证明,其提高了参数估计和预测的准确性,降低了误差,能有效找到全局最优解,收敛速度快,大大减少计算量。     

迭代遗传算法及其用于生物反应器补料优化

针对化工动态优化的数值求解问题,提出将迭代思想与遗传操作相结合,构建迭代遗传算法.算法首先对时间区间和控制搜索域实施离散化,进而应用遗传操作搜索离散问题的最优控制策略.逐步收缩搜索域并迭代以消减离散化带来的偏差,不断改善寻优结果,增强算法的稳健性.实例测试表明该算法简便、可行、高效,已成功地应用于Lee-Ramirez生物反应器补料流率的优化,运算结果优于文献值,显示了迭代遗传算法的优越性.迭代遗传算法尤其适用于系统的梯度信息不可得的情况.     

基于遗传算法的结构振动主动控制优化方法

在结构振动主动控制的研究中,控制能量是限制其广泛应用的瓶颈。为减少控制系统所需能量,有必要对结构进行优化设计,而传统的优化方法对于振动主动控制系统的优化不太适合。为此,在杂交遗传算法和实代码遗传算法的基础上,开发了一种改进的杂交遗传算法,该算法不仅可以计算含不等式约束的优化问题,而且可以处理含线性等式的优化目标问题。最后给出了计算实例来说明所提方法的有效性。     

种群分布式并行遗传算法解化工多目标优化问题

带精英策略的非支配排序遗传算法(NSGA-II)在与流程模拟软件Aspen Plus结合求解化工多目标优化问题方面耗时较高.为了解决这一问题,本文提出了一种种群分布式的并行遗传算法(populations distributed parallel genetic algorithm,PDPGA),将模拟计算任务分配给局域网的多台子节点计算机并行执行.以氯乙烯精制的多目标优化过程为研究对象,选取氯乙烯采出量最大化和系统总能耗最小化为两个目标,低沸塔和高沸塔的质量回流比、塔顶馏出率和塔压6个操作参数为优化变量.分别应用PDPGA和NSGA-II对上述过程进行优化求解,二者的种群规模均设为70,进化代数均设为70,PDPGA使用1主节点和2子节点共3台计算机.结果表明,与直接应用NSGA-II进行串行优化相比,PDPGA优化方法能充分利用闲置的计算机资源、有效提高解得质量和大幅降低优化计算的时间.