多目标粒子群算法用于补料分批生化反应器动态多目标优化

多目标优化是过程系统工程的重要课题,通常以加权或约束方式将其转换为单一目标,未能反映多目标间的复杂关系,不利于随时根据需求作出有效的决策。基于群智能的粒子群算法具有全局优化性能,且易于实现。为使其适于多目标优化,应拓展功能,实施改造。以Pareto支配概念评价种群个体的优劣,设计了确定局部最优点和全局最优点的操作。又利用各粒子的局部最优点信息进行速度更新,以加强种群的多样性,避免因早熟而陷于局部最优。还设置了外部优解库,并通过分散度计算,以适当的策略进行更新,使之逐步均匀地逼近于Pareto最优解集。由此构建一种多目标粒子群优化算法（multi-objective particle swarm optimization,MOPSO）,并用于补料分批生化反应器的动态多目标优化,取得了满意的结果。可基于所搜得的Pareto最优解集,分析目标间的关系,为合理决策提供有效的支持。经与NSGA-II比较,MOPSO算法具有更为优良的性能。     

序贯优化化工动态问题的蚁群算法

针对化工动态优化问题,分析现有数值解法的不足,提出序贯执行蚁群寻优操作,逐步寻找最佳解的策略,构建序贯蚁群算法.算法首先对时间区间和控制变量搜索域实施离散化,以一组整数编码的蚁群路径表示可行控制策略,进而应用蚁群寻优操作寻找离散问题的最优控制策略.逐步收缩控制搜索域并反复上述步骤,不断改善寻优结果.序贯蚁群算法简便快捷,用于化工动态优化问题效果良好,计算结果体现了算法的稳健性.     

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.     

基于粒子群算法的动态多目标优化

针对碳二氢生产中的反应器动态优化问题,目前虽然有多种算法对生产过程进行优化,但大部分只是对单一目标进行求解,提出一种更为灵活的反应器动态求解方法。在该方法中,首先构建碳二氢目标函数,然后采用多目标粒子群算法和分段线性函数参数法结合的方式对目标函数的进行求解,以提高整体搜索能力,得到碳二氢反应器动态优化的最优解。最后,以实际乙烯碳二加氢化工反应过程为例进行实验验证,结果证明,通过该方法进行求解的目标函数无论是在收敛性,还是在优化的平均值等方面,都比SADE-eCD和NSGA-II算法具有优势,说明该算法在反应器动态优化中是切实可行的。     

基于多目标免疫算法的无源滤波器优化方法

通过对无源滤波器的优化过程进行分析,并综合考虑滤波性能、投资成本等设计目标,提出了一种基于多目标免疫算法的无源滤波器优化设计方法。仿真结果表明:笔者提出的方法可以准确实现无源滤波器参数的确定并达到较好的滤波效果,具有一定的可行性。     

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。     

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。     

反应器网络多目标综合优化

通过反应系统综合优化获得经济效益好、对环境友好的反应系统是大多化工厂提高全流程整体经济和环境性能的重要手段。反应器网络综合优化方法主要包括可得区法、导数分析法、超结构优化法、目标类法、经验推断法和分布参数法等,然而却很少有文献报道对反应器网络进行多目标综合优化。由于过程中往往存在多个相互冲突的目标函数,所以仅仅依靠单目标对反应器网络进行综合优化已显得不合适。本文采用分布参数法建立多目标优化模型,目标函数为经济最大化和环境影响最小,并采用非支配排序基因算法(NSGA-Ⅱ)进行优化得到Pareto最优解集。     

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。     

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 .     

基于改进蚁群算法的PCB孔加工路径优化

针对于印制电路板(PCB)孔加工过程中刀具的路径规划问题,提出了一种改进的蚁群算法,使信息素浓度可以更好地反映路径信息,解决了经典蚁群算法易收敛到局部最优解的问题。仿真实验结果表明:改进算法不仅增强了对于解空间的搜索能力,而且提高了搜索到全局最优解的概率。     

基于新型蚁群算法优化的重油热裂解模型

针对重油热裂解模型的参数估计问题呈高维、高度非线性的特征,提出一种基于新型蚁群算法优化的重油热裂解模型.通过新型蚁群算法优化确定模型参数,获得具有良好预测精度的模型.新型蚁群算法通过将解空间划分成若干子域,并引入遗传操作,实现连续优化问题的寻优.仿真结果表明它具有良好的性能,且优于传统的遗传算法.     

Using Dynamic Optimization Technique to Study the Operation of Batch Reactors

How to apply the global optimization technique, simulated annealing, and to explore the operation of batch reactors is addressed in this study. Based on the operating purposes and the imposed constraints, the batch reactor operations are first formulated as two optimal control problems: the maximal yield (or conversion) problem and the minimal operating time problem. The problems are then converted into non‐linear programming problems by the concept of control vector parameterization. The converted problems are solved by the algorithm derived from simulated annealing to determine the optimal operating policy and the performance index. These results are useful in assessing design and operation of batch reactors. In this article, the CSTR model is used to demonstrate the convenience and robustness of the proposed algorithm. Two typical reaction models are used to discuss the operations based on the optimal solutions.