用于间歇化工过程最优设计的遗传算法①

间歇化工过程的最优设计问题是一类复杂且难以求解的组合优化问题。通过把这类问题分解为只包含离散变量的主导问题和只含连续变量的子问题,把遗传算法和线性规划法结合起来对其进行求解。并在算法中引入了一类新的算子,显著地提高了收敛概率。算例表明,该方法可以避免直接求解过程的复杂性和困难,并且具有很好的全局收敛性。     

小脑模型控制系统的遗传算法最优设计

首次采用遗传算法实现小脑模型控制固定增益的最优设计，并采用超调受限最优化方法进行优化，而且结合线材缠绕坟系统张力控制进行了控制仿真试验，同时采用遗传算法对同一被控对象进行ＰＩＤ最优控制设计，试验结果表明本文方法是有效的，它克服了以往小脑模型控制设计的反复度错的缺点，进而使控制系统设计工作量大大减少，试验还表明，采用遗传算法对小脑模型控制的固定增益进行最优设计，比对ＰＩＤ最优控制设计容易，而且稳定。     

化工间歇过程的时间Petri网模型和优化控制

针对化工间歇生产过程的特点及优化问题，本文提出用时间Ｐｅｔｒｉ网对过程建模，用动态规化方法对过程实行优化控制，并研究了该优化策略下的算法和控制设计问题。     

基于设备故障的间歇化工过程反应型调度

间歇化工过程生产中的不确定性因素很多,由于其不可预见性和多样性,不可能在产生原调度的同时给出不确定因素的最合适的处理方案,而是需要在不确定因素发生时结合过程的实际情形,来对原调度进行反应型调度.本文考察了设备故障的影响,根据设备故障的特点和所加工物料的性质,分故障产品重加工、故障工序继续加工和故障工序重加工三类加以分析和处理,建立了该问题的数学模型并用遗传算法来对该问题进行求解.文中给出设备故障反应型调度的算例,通过设备的维修时间、物料的处理方式以及故障发生时间对反应型调度的灵敏度分析揭示了基于设备故障的间歇化工过程反应型调度的实质.     

基于遗传禁忌算法的多目的间歇过程调度问题求解

由于组合爆炸特性,多目的厂的调度问题很难求解大规模甚至中等规模的问题,本文采用一种新的随机性优化技术一基于禁忌技术的遗传算法点(Tabu-genetic algorithm,TGA)来对该问题进行求解,引入新的选择策略和变异方法．并以零等待的多目的间歇过程调度为实例,计算表明同已有的方法相比,该方法求解效率高、收敛速度快、使用简单方便,可有效的克服计算负荷和求解质量之间的冲突,是一种求解多目的厂间歇过程调度问题的有效算法。     

化工批处理过程调度综述

综述了化工批处理过程调度问题的特点、 难点及一般框架,总结了近年来该领域取得的进展和存在的问题,并指明了将来的发展方向 ．     

间歇化工过程的能量综合优化策略

综述了三类间歇过程能量综合优化方法,分析了间歇过程的生产和用能特点.从间歇过程能量利用环节和能量回收环节相互制约的关系出发,提出了适用于间歇过程能量综合优化改进的一般方法,为精细化工过程的节能降耗提供理论指导.方法用于指导某聚酯生产过程的能量综合优化,取得了节能10%以上的效果,表明所提出的能量综合优化方法能有效指导间歇过程的全局用能优化改进.     

零等待约束下多产品间歇过程的多目标调度

针对零等待约束下多产品间歇过程的总流程时间和完工时间最小化问题,提出一种多目标离散组搜索算法求解.在采用启发式规则产生初始解的基础上,通过发现者、追随者和巡逻者的操作设计,算法不断更新Pareto前沿,同时,混合了基于插入邻域的多目标局部搜索方法.大量计算实验表明,所提出的算法获得的非支配解集在IGD和Set Coverage指标上优于非支配排序遗传算法和模拟退火算法,可为多目标决策者提供更好的决策依据,利于间歇生产过程的优化运行.     

化工间歇聚合反应过程的辨识与控制软件包设计

介绍了化工间歇聚合反应过程辨识与控制软件包的设计原理和设计方法。首先分析了软件需求，然后就实时数据库、历史数据库，辨识与控制模块的设计以及Active控件和组件的使用一一作了介绍，最后介绍了一个应用实例，给出了应用效果。     

间歇过程操作单元模糊自适应控制器及应用

基于化工反应器间歇式生产过程听复杂特性,提出了一种结合多变量时序逻辑模糊自适应方法的控制器模型,并用于间歇过程操作单元的控制器设计,在实际应用中获得了满意的控制效果。     

遗传算法中遗传操作的改进策略

通过分析发现,二进制编码中不同基因位改变时,所引起优化变量的变化程度不相等。基于此,提出一种改进的交叉和变异策略,对编码串中各个基因位赋予不同的交叉点选择概率和变异率,并随进化调整各位的交叉点选择概率和变异率。仿真结果表明,同标准遗传算法相比,采用改进策略的遗传算法具有寻优精度高、稳定性好、收敛性强等优点;此外,同改进交叉操作相比,改进变异操作能更有效地提高算法的寻优能力。     

遗传算法在退货逆向物流网络设计中的应用

退货产生的逆向物流是很多企业长期面临的难点,并成为学术界和企业界广泛关注的热点.逆向物流网络设计是逆向物流管理的首要任务,也是一类NP完全问题.遗传算法作为组合优化设计的一种算法,可有效地提高解决这类NP完全问题的效率.     

矩形件排样问题的遗传算法求解

本文研究了求解矩形件正交排样优化问题的遗传算法。同时，将矩形件正交排样问题转化为一个排列问题，提出了求一个排列所对应的排样图的下台阶算法（改进的ＢＬ算法）将下台阶算法与遗传算法相结合，用于矩形件排样问题的求解，给出了该算法的实现。用该算法对文献中的两个算例进行了求解，结果表明该算法获得了比ＢＬ算法更好的解，是一种较为行之有效的方法。     

基于改进遗传算法的神经网络优化设计

针对前馈式多层神经网络的结构和权值设计方法的缺陷,提出了一种基于改进遗传算法的前馈神经网络自动优化设计方法,用以完成对网络结构和权值空间的搜索,提高神经网络的收敛速度和搜索全局最优解的能力。通过实验表明,该算法的收敛速度较快,过程稳定,而且泛化能力也较好。故此方法在神经网络设计上能够发挥较好的作用。     

遗传算法在计算机辅助设计中的应用

本文提出了一个基于遗传算法的计算机辅助设计方法,它可以辅助设计师更好地完成概念设计。本研究提供了一个用户接口,让用户为每一个设计方案赋适应度,所以能反映人的喜好。     

基于小波逼近的空间机械臂非完整运动最优规划的遗传算法

本文讨论了空间机械臂非完整运动规划问题．将空间机械臂非完整运动规划问题转化 为非线性系统最优控制问题．在控制算法中用小波函数逼近控制输入规律．提出了空间机械 臂非完整运动规划最优控制的遗传算法．数值仿真表明,小波逼近和遗传算法联合求解最优 控制问题是有效的．     

使用遗传算法的迷宫学习

本文试用遗传计算及决策制定方法来实现机器人有认识迷宫意向的能力，这里“意向”是指遵循对迷宫特有的路径规则所出的决定，令机器人在两个相对的迷宫中行走学习，一个迷宫路径是基于同样的意向，另一个则基于不同的意向，研究结果确认了已达成的意向学习。     

一种改进的遗传量子算法及其应用

针对遗传量子算法(0QA)在优化连续多蜂函数时易出现早熟现象，本文提出一种改进的遗传量子算法(IGQA)，其核心是在量子门更新过程进行改进的基础上，引入群体灾变和自适应搜索网格的策略。通过典型函数测试和FIR数字滤波器设计实例表明，IGQA的性能优于GQA和其它几种遗传算法，具有比GQA更快的收敛速度和更好的全局寻优能力，能有效地克服早熟现象。