知识进化算法在化工动态优化中的应用

在化工的优化过程中,动态优化是化工优化未来发展的主要趋势,要如何更好地利用各种算法进行化工动态优化,这一问题成了化工行业的主要课题。本文将会就知识进化算法作为例子,对化工动态优化方法进行研究。     

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。     

一种改进的差分进化算法及其在补料分批式生化反应器动态优化中的应用

动态优化是生物化工过程中的重要课题,求解动态优化问题通常有两种方法:解析法和数值法。基于智能进化算法的数值方法在动态优化中的应用越来越广泛,但是这些方法局部寻优能力不强,容易陷入局部最优,并且求解速度相对较慢。针对这些方法的不足,提出了一种改进的差分进化算法,设计了新的局部寻优算子来增强算法的局部寻优能力,并且采用一种新的控制策略表示方法来求解动态优化问题。通过求解补料分批式生化反应器的动态优化实例,证明了算法的有效性和鲁棒性。通过与其他几种方法进行对比,实验结果表明,所提出的方法在优化结果和计算代价方面都有优势。     

一种化工过程优化的稀疏SQP算法

根据开放式方程模型结构统一、所得优化命题普遍稀疏的特点 ,提出了一种稀疏SQP算法 .利用一阶 /二阶导数构造Hessian矩阵 ,保持了系统的稀疏结构 .通过一个预处理过程获得命题的稀疏结构信息 ,显著减少构造高维矩阵所需工作量 .计算示例表明 ,该算法优于传统SQP法 ,也表明该算法的有效性     

一种自适应差分进化算法及其在精对苯二甲酸结晶生产过程优化中的应用

提出了一种自适应差分进化算法(adaptive differential evolutionary algorithm,ADE),并将其应用于精对苯二甲酸(PTA)生产中结晶过程的优化.由于该结晶过程为5级结晶器串联组成,并且存在较多杂质等的影响,使得该结晶过程很难用机理数学模型来精确表达.为此首先利用神经网络技术建立了该对象模型,并对各主要操作变量对关键产品指标的影响进行系统分析,以满足结晶机理先验知识.然后利用自适应差分进化算法对该结晶模型进行操作点的寻优.该ADE算法是一种基于实型数值编码的并行直接搜索算法.     

混沌搜索方法及其在化工过程优化中的应用

提出利用混沌搜索方法结合精确不可微罚函数求解约束优化问题的新方法 ,并将该方法用于闪蒸过程优化 .结果表明 ,该方法算法简单 ,实现容易 ,求解精度和可靠性较高 ,是解决化工优化问题的有效方法 .     

基于改进差分进化算法的化工参数估计

为提高化工参数估计的精度,本文提出一种改进的差分进化(improved differential evolution,IDE)算法,并将其应用于甲醇转化烃类物质的参数估计问题。IDE算法设计了一种混合差分变异策略,主要利用种群中的当前个体、较优个体和指导个体实现算法寻优,并对参数进行了调整。该算法在提高种群多样性的同时能够加快收敛速度,在一定程度上降低搜索陷入局部最优的可能性。为验证算法在甲醇转化烃类物质的参数估计问题上的有效性,将IDE算法与部分已有算法进行比较。实验结果表明,本文算法提高了甲醇转化为烃类物质的化工参数估计精度,具有较强的竞争性。     

一种改进的差分进化算法及其在化工过程优化中的应用

Differential evolution （DE） is an evolutionary optimization method, which has been successfully used in many practical cases. However, DE involves large computation time, especially, when used to optimize the compurationally expensive objective function. To overcome this .difficulty, the concept of immunity based on vaccination is used to help proliferate excellent schemata and to restrain the degenerate phenomenon. To improve the effective- ness of vaccines, a new vaccine autonomous obtaining method, and a method of deciding the probability of vacci- nation are proposed. In addition, a method for modifying the search space dynamically is proposed to enhance the possibility of converging to the true global optimum. Experiments showed that the improved DE performs better than the classical DE significantly.     

连续多蚁群算法的构建及其在过程动态优化中的应用

动态优化为过程系统工程的重要课题,现有解法存在较多不足,为此构建了连续多蚁群算法(CMACO),可直接用于由动态优化转换成的非线性规划问题.该算法克服了经典蚁群算法只适用于离散问题的局限性,以最优食物源为目标,有多个子群同时搜索.各子群的信息素呈正态分布,独立引导蚂蚁寻优.子群间又相互交流,协同搜索,并逐轮调整子群规模、分布中心和宽度.在可行区域内既全面探索,又加强挖掘,提高了全局优化的性能和速率.将其用于Park-Ramirez和Lee-Ramirez生物反应器的补料流率优化,在优化结果和计算代价上都有一定的优势.     

CAE及其在化工过程模拟优化中的应用

介绍了CAE的组成、软件及其在化工过程模拟优化中的应用。重点介绍了ROM的构成及其应用。     

文化差分进化算法及其在化工过程建模中的应用

提出了一种新的文化差分进化算法,该算法将差分进化算法作为文化算法的种群空间,在文化算法的信念空间和影响函数设计中提出了基于多种知识源的设计方法,通过多种知识指导差分进化的变异操作和交叉操作,使知识的表达和指导种群进化的能力得到加强。函数测试结果表明,基于知识机制的引入使得文化差分进化算法在寻优性能上比差分进化算法有了较大的提高,而对参数的敏感性却相对较小。将文化差分进化算法用于训练补偿模糊神经网络,建立乙烯精馏塔产品质量软测量模型。通过训练与泛化能力的比较结果表明,基于文化差分进化算法的补偿模糊神经网络软测量模型在建模精度和泛化性能上均优于常规补偿模糊神经网络、模糊神经网络以及采用遗传算法优化的模型,具有更好的应用前景。     

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.     

分级优化用于边值固定的化工动态优化问题

针对边值固定的化工动态优化问题, 提出了分级优化策略, 包括约束优先与目标优先两种方案, 它们的基本思想是将原问题转化为一系列的边值无约束问题, 采用目前成熟的优化算法加以集成即可实现. 对于控制变量受箱型约束的问题, 采用三角函数转换将其转化为控制无约束问题. 分级优化策略避免了罚函数策略的缺陷. 实例研究显示了分级优化策略能以足够的精度满足边值约束, 三角函数转换法是可行的.     

Robust dynamic optimization for nonlinear chemical processes under measurable and unmeasurable uncertainties

We formulate an integrated framework for the robust dynamic optimization of nonlinear chemical processes under measurable and unmeasurable uncertainties. An affine decision rule is proposed to approximate the causal dependence of the wait-and-see decision variables on the gradually revealed measurable uncertainties. To overcome the computational intractability of the proposed model, a linearization technique based on the first-order Taylor expansion is introduced around the nominal values of uncertainties to derive the robust dynamic counterpart, which can be discretized to a large-scale nonlinear programming (NLP) formulation. Effects of first discretizing the dynamic models or introducing the affine decision rule are investigated. The proposed framework is also compared with the state-of-the-art re-optimization and traditional robust optimization approaches. An illustrative example and an industrial semi-batch 2-mercaptobenzothiazole production case are involved to demonstrate the advantages and applicability of the proposed framework.     

基于Kriging的差分进化算法及其在苯乙烯流程优化中的应用

自适应差分进化算法基于个体生成策略和控制参数自适应,无须人为设置参数,对问题有较好的适应性,但其收敛速度和精度有待提高。将具有较高预测精度的Kriging模型应用于自适应差分进化算法中,建立跟随种群变化的Kriging模型,通过模型极值点与种群最优个体竞争,对种群产生扰动,影响种群进化过程,改善算法的收敛速度和寻优性能。对10个典型测试函数的测试结果表明,该算法较标准和自适应差分进化算法收敛速度加快,收敛精度提高,且具有更好的稳定性。将基于Kriging的差分进化算法应用于苯乙烯装置的流程优化,操作运行费用显著降低。     

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.     

Multi-objective optimization of p-xylene oxidation process using an improved self-adaptive differential evolution algorithm

The rise in the use of global polyester fiber contributed to strong demand of the Terephthalic acid (TPA). The liquid-phase catalytic oxidation of p-xylene (PX) to TPA is regarded as a critical and efficient chemical process in industry [1]. PX oxidation reaction involves many complex side reactions, among which acetic acid combustion and PX combustion are the most important. As the target product of this oxidation process, the quality and yield of TPA are of great concern. However, the improvement of the qualified product yield can bring about the high energy consumption, which means that the economic objectives of this process cannot be achieved simulta-neously because the two objectives are in conflict with each other. In this paper, an improved self-adaptive multi-objective differential evolution algorithm was proposed to handle the multi-objective optimization prob-lems. The immune concept is introduced to the self-adaptive multi-objective differential evolution algorithm (SADE) to strengthen the local search ability and optimization accuracy. The proposed algorithm is successfully tested on several benchmark test problems, and the performance measures such as convergence and divergence metrics are calculated. Subsequently, the multi-objective optimization of an industrial PX oxidation process is carried out using the proposed immune self-adaptive multi-objective differential evolution algorithm (ISADE). Optimization results indicate that application of ISADE can greatly improve the yield of TPA with low combustion loss without degenerating TA quality.