基于改进粒子群算法的乙苯脱氢过程多目标优化

设计了一种基于支配关系构造非支配解集的多目标粒子群算法(MOPSO),将当前找到的非支配解保存到一个外部集——最优解集,利用支配更新其最优解集,多次迭代后得到Pareto最优解集。把乙苯脱氢反应过程的收率和选择性作为优化目标,动力学模型和实际生产状况作为约束条件构造乙苯脱氢过程的多目标优化问题,利用改进的多目标粒子群算法进行优化求解。基于求得的Pareto最优解集研究了各个操作条件对乙苯脱氢生产过程收率和选择性的影响,为后续乙苯催化脱氢系统实施先进控制奠定了基础。     

改进的粒子群优化算法及其在多目标过程设计中的应用

介绍了粒子群优化算法的基本思想和步骤,对基于动态Pareto解集的多目标粒子群优化算法进行了分析,提出了随机更新个体粒子最优位置的策略,并把改进的粒子群优化算法用于实际的多目标过程设计中.对甲苯加氢脱烷基化过程进行了分析,利用此方法对以经济和环境为目标的加氢脱烷基化过程设计进行了计算.结果表明,此种方法可以用于实际的多目标过程设计中.     

一种基于梯度信息的多目标优化算法

传统的多目标进化算法多是基于Pareto最优概念的类随机搜索算法,求解速度较慢,特别是针对动态多目标优化问题。就此提出了一种新的基于梯度信息的多目标寻优算法（hybrid optimization algorithm based on single and multi-objective gradient information,HSMGOA）,该算法首先利用种群中每个个体对各目标的负梯度方向,以有效保证种群个体能沿单个目标函数值减小的方向加快搜索;同时为避免由于多目标问题之间的冲突性而导致其他目标函数的显著增大,将多个目标的梯度信息方向整合为一个方向进行协同搜索;并且还提出了一种新的选择置点法,以加快算法初始寻优速度并提供优良的初始种群。通过对ZDT系列测试函数的仿真可以看出,HSMGOA在较少的运行次数下,其性能远远优于NSGA2算法。最后将HSMGOA与NSGA2混合以解决补料分批生化反应过程的动态多目标优化问题,并将取得的Pareto最优解集与NSGA2、MOPSO比较可知,该混合算法在解决该化工问题时表现出了更好的性能。     

模糊多目标粒子群算法在乙烯裂解工业中的应用研究

文中研究了模糊多目标粒子群算法（MOPSO）在乙烯裂解工业中应用。算法在Pareto排序基础上引入子目标的最优操作条件来扩展属于非劣解集的操作条件范围,使非劣解集对于每个单目标而言都有较广的覆盖范围,确保非劣解集（操作条件）均匀分布,改进了非劣解集的质量,同时对非劣解引入工况实际要求,通过后验的模糊评价,来确定非劣解的满意操作条件,为决策者提供了明确的操作条件。将模糊多目标粒子群算法用于解决乙烯裂解过程中乙烯和丙烯收率多目标优化问题,较好地平衡了两种目标之闯的冲突,为流程工业多目标优化问题提供了理论指导。     

基于免疫机制的多目标蚁群算法用于间歇反应器的约束动态多目标优化

含路径和终端约束的动态多目标优化是过程系统工程的一个重要研究方向,难度较高.传统蚁群算法仅适于离散问题,今采用混合正态分布描述信息素分布,并设计相应的解构造操作,使之拓宽至连续优化问题.通过对目标函数和约束矩阵的非劣捧序,确定解的等级,用以克服传统约束处理方法的局限性.借鉴了免疫系统的浓度概念,将其与解的等级结合,共同确定解的适应度,有助于保持种群的多样性.在更新信息素时将利用外部优解库和种群信息,可加快收敛速度.基于拥挤度距离更新外部优解库可更均匀地逼近Pareto最优解集.由此构建了一种基于免疫机制的多目标蚁群算法(Immune Mechanism based Multi-Objective Ant Colony Algorithm,IM-MOACA),并用于间歇反应器的动态多目标优化问题,效果良好,显示出较强的全局优化性能,能以较快的速度逼近真实的Pareto最优前沿,可为用户进行合理的决策分析提供有效的支持.     

基于双种群算法的模拟移动床多目标操作优化

以有限元法求解模拟移动床的稳态TMB模型和动态SMB模型,提出基于Pareto非劣解集的多目标双种群遗传粒子群算法;利用动态SMB模型仿真模拟移动床色谱吸附分离过程,以分离纯度和性能指标分别作为约束条件和目标函数进行多目标操作优化设计.仿真结果表明,SMB模型较之TMB模型更真实可靠,双种群遗传粒子群算法也较单一种群的...     

分批补料发酵过程多目标优化的分布式强化学习策略

发酵过程优化问题通常包含有互相冲突的多重优化目标,另外反应本身具有诸多复杂性。提出一种基于Pareto的分布式Q学习多目标策略,用以求解赖氨酸分批补料发酵过程流加速率轨迹的Pareto最优解。该策略中,Q学习算法和Pareto排序法将结合来产生非支配解集,并使之逼近真实的Pareto前沿,利用奖赏机制来描述多重目标之间的关系,并同时使用多组含有随机初始值的agent共同作用改善搜索能力。将所提出的方法应用于赖氨酸分批补料发酵过程的优化中,并与粒子群优化进行了对比,验证策略的性能。     

混合多目标骨干粒子群优化算法在污水处理过程优化控制中的应用

通过对污水生化处理过程的分析,选取能耗和罚款最低为优化目标,建立污水生化处理过程多目标优化控制模型。为了提高Pareto最优解集的收敛性和多样性,提出一种基于Pareto支配和分解的混合多目标骨干粒子群优化算法（HBBMOPSO）。该方法采用带自适应惩罚因子的分解方法选取个体引导者,采用Pareto支配和拥挤距离法维护外部档案和选取全局引导者。此外,采用精英学习策略增强粒子跳出局部Pareto前沿的能力。最后,将HBBMOPSO与自组织模糊神经网络预测模型和自组织控制器相结合,实现污水生化处理过程溶解氧和硝态氮设定值的动态寻优、智能决策和底层跟踪控制。利用国际基准仿真平台BSM1进行实验验证,结果表明所提HBBMOPSO方法在保证出水水质参数达标的前提下,能够有效降低污水处理过程的能耗。     

混合多目标骨干粒子群优化算法在污水处理过程优化控制中的应用

通过对污水生化处理过程的分析,选取能耗和罚款最低为优化目标,建立污水生化处理过程多目标优化控制模型。为了提高Pareto最优解集的收敛性和多样性,提出一种基于Pareto支配和分解的混合多目标骨干粒子群优化算法(HBBMOPSO)。该方法采用带自适应惩罚因子的分解方法选取个体引导者,采用Pareto支配和拥挤距离法维护外部档案和选取全局引导者。此外,采用精英学习策略增强粒子跳出局部Pareto前沿的能力。最后,将HBBMOPSO与自组织模糊神经网络预测模型和自组织控制器相结合,实现污水生化处理过程溶解氧和硝态氮设定值的动态寻优、智能决策和底层跟踪控制。利用国际基准仿真平台BSM1进行实验验证,结果表明所提HBBMOPSO方法在保证出水水质参数达标的前提下,能够有效降低污水处理过程的能耗。     

失效情景下气体探测器多目标布置优化

目前有关气体探测器布置优化研究较少考虑探测器的失效情景,本文以某柴油加氢装置的硫化氢气体探测器布置优化为例,提出一种失效情景下气体探测器多目标布置优化方法。首先对待检测区域的潜在泄漏源进行辨识,构建泄漏场景集并进行场景缩减,通过计算流体力学方法预测泄漏实时浓度场。其次,以时效性和鲁棒性作为评价指标,以考虑泄漏场景概率和探测器失效概率的检测时间最小化、探测器网络鲁棒性最大化作为优化目标函数,并结合逻辑约束条件建立数学模型。在此基础上,采用基于模拟退火的多目标粒子群算法对模型进行求解,得到Pareto非劣解集,采用理想点逼近法（TOPSIS）对Pareto解集进行排序得到最优方案,最后决策者可根据不同需求确定最终布置方案。     

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.     

基于动态代谢通量分析的发酵过程多目标优化

通过动态代谢通量分析方法建立发酵过程模型,提出了一种基于微观代谢信息的发酵过程多目标优化策略,该策略基于所建微观模型,根据动态特性将发酵过程分为菌体生长和产物合成两个阶段,进行特征分析并从微观通量层面分别设计优化目标与约束条件,采用多目标粒子群算法求得最优解。该方法用于青霉素发酵过程底物流加速率和pH的操作轨迹优化,仿真实验结果表明,采用基于微观通量的多目标优化策略能够提高产物终端浓度,表明优化策略的有效性。     

基于粒子群算法的隔离壁精馏塔的综合与设计

隔离壁精馏塔（dividing-wall distillation column,DWDC）是提高两个或者多个传统精馏塔热力学效率的有效手段。由于隔离壁精馏塔内部结构复杂、相互作用强,传统的序贯优化方法计算时间长,很难达到全局最优解。标准粒子群算法应用广泛、易于实现,但易于早熟、易于陷入局部极值点。因此,本工作采用改进的元胞粒子群算法对Kaibel隔离壁精馏塔进行综合与设计研究。元胞粒子群算法通过改进粒子的学习策略,采用元胞邻域的方法可有效地将粒子分散在多个子空间。对比标准粒子群优化和元胞粒子群优化两种方法的50次优化效果,结果表明,两种粒子群算法能够对内部结构复杂、相互作用强的四组分Kaibel隔离壁精馏塔这一复杂分离系统进行优化,优化效果显著。     

混沌粒子群算法及其在生化过程动态优化中的应用

化工过程的动态优化,大多较为复杂,有相当的难度.新近发展的粒子群优化算法,基于群智能机理,适于求解连续问题,但它不具备遍历特性,影响了全局搜索能力.本文拟引入混沌机制,以混沌变量的遍历性改进粒子群算法,使其更全面地获取目标函数的有用信息,并反映到逐代更新的个体极值和群体极值中,可更有效地带领粒子群移向最优解,提高了全局搜优效率.由此构建为混沌粒子群算法,经多个性能测试,表明其搜索能力优于经典粒子群算法,引入混沌机制是有效的.将其用于Park-Ramirez生物反应器补料流率的动态优化,也取得了满意的效果.     

改进PSO算法在蒸汽动力系统多周期运行优化中的应用

为了满足石化企业工艺过程对蒸汽和电力不断变化的要求,实现企业降低成本、节能降耗的目的,必须保证蒸汽动力系统在最优的状态下运行。针对这一问题在以往研究的基础上提出了包括设备维护和启停费用的改进的混合整数线性规划模型,利用改进的PSO算法对其求解,并通过实例证明了利用该模型、使用改进的PSO算法能很快得到最优的方案,并节省了大量的运行成本。     

基础油供应链生产-分销计划模型及其优化

随着市场全球化的飞速发展,供应链思想已渗透到各行各业,是一种新型的企业管理思想。然而在一些 产业结构不合理、急需产业升级的领域,几乎没有相关的供应链研究,譬如石油化工领域的量化研究少之又少。 本文分析了在独立决策下基础油供应链生产、分销系统中,信息不共享,生产商、分销商以及客户只追求各自 利益最大化,忽视甚至是损害了供应链整体利益的现象。针对上述现象,构建了生产-分销集成计划模型,以实 现供应链总成本和总反应时间最小,提出了一种基于粒子群算法寻找多目标供应链网络Pareto 最优解的方法。 仿真实例的结果表明了集成模型的可行性和优越性。