基于数据解析的连退生产过程多因子操作优化

针对连退生产过程中带钢质量波动大和生产能耗过大的问题,基于数据解析方法构建带钢质量的预测模型,进而建立连退生产过程多因子操作优化模型.该模型的任务是求得一个最优工艺参数设定方案,使得模型中所包含的两个相互影响但并不冲突的目标能够实现同时最优化.针对该问题,提出一种改进的自适应多因子进化算法(AdaMFEA),将不同优化目标作为不同类别因子,通过父代解在不同因子上的性能评价指标决定子代解的搜索方向.为了改进算法的鲁棒性和搜索效率,算法使用多种交叉算子,并基于各算子的搜索性能分析提出多种交叉算子的自适应选择机制;同时提出基于回溯直线搜索和拟牛顿法的个体学习策略,对个体进行局部搜索.基于Benchmark问题的实验结果表明,AdaMFEA能够有效提升传统多因子进化算法(MFEA)的求解效率;基于实际工业问题的实验结果表明,AdaMFEA可有效求解连退生产过程多因子操作优化问题,实现多个非冲突目标在一个种群的进化过程中同时达到最优.     

连续过程的多目标优化

在模块环境(Aspen Plus)下,建立了基于多目标遗传算法NSGA-Ⅱ求解多目标优化问题的系统结构,并对含循环物流的连续过程废料最小化问题进行求解。在求解过程中遗传算法需要反复调用流程模拟,而流程中循环物流的迭代收敛使优化计算效率较低。为减少流程迭代次数本文提出2个加速策略:一是变收敛精度策略,在优化计算初始阶段,使流程在较低精度下收敛,快速淘汰劣点,随着优化的进行,将流程收敛精度逐步提高,得到高质量的非劣解;二是循环流初值策略,利用已有的计算值,回归决策变量与循环流变量的对应关系,改善循环流初值。实例结果表明,加速策略减少了一半左右的流程迭代次数,效率提高50%,本文提出的求解多目标问题的方法能方便地得到问题的Pareto最优解集,可应用于一般连续化工过程的多目标优化。     

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.     

改进的约束优化多目标遗传算法及工程应用

利用多目标法处理约束条件,提出一种改进的基于多目标优化的遗传算法用于求解约束优化问题。该算法将约束优化问题转化为两个目标的多目标优化问题; 利用庄家法构造非劣个体,将种群分为支配子种群和非支配子种群,以一定概率分别从支配子种群和非支配子种群中选择个体进行算术交叉操作,引导个体逐步向极值点靠近,增强算法的局部搜索能力,对非支配子种群进行多样性变异操作。8个标准测试函数和3个工程应用的仿真实验结果表明了该算法的有效性。     

有约束多目标多自由度优化的可行性分析及软约束调整

有约束多目标多自由度优化是从复杂工业过程优化控制的实际应用背景出发而提出的.文中讨论了它的可行性问题,并将其规范成一线性规则问题,给出了判断可行性及调整软约束的统一算法.     

多目标优化问题的蚁群算法研究

将离散空间问题求解的蚁群算法引入连续空间,针对多目标优化问题的特点,提出一种用于求解带有约束条件的多目标函数优化问题的蚁群算法.该方法定义了连续空间中信息量的留存方式和蚂蚁的行走策略,并将信息素交流和基于全局最优经验指导两种寻优方式相结合,用以加速算法收敛和维持群体的多样性.通过3组基准函数来测试算法性能,并与NSGAII算法进行了仿真比较.实验表明该方法搜索效率高,向真实Pareto前沿逼近的效果好,获得的解的散布范围广,是一种求解多目标优化问题的有效方法.     

基于自适应搜索策略的约束多目标优化算法

平衡目标函数和约束条件是现有约束多目标优化算法面临的共同难题。为了解决这个难题,文章提出了一种基于自适应搜索策略的约束多目标优化算法（ASSCMO）。为验证ASSCMO的性能,将其与3种优秀的约束多目标优化算法在两组基准测试集上进行仿真实验。实验结果表明,ASSCMO在求解约束多目标优化问题上更具有竞争力。     

蒸馏与换热协同的约束多目标在线操作优化方法

针对蒸馏装置与换热网络间缺乏协同优化导致的分馏精度差和能耗高的问题,提出了一种基于代理模型的约束多目标在线协同操作优化方法.为了解决蒸馏装置与换热网络操作参数协同优化时存在的计算耗时和约束的问题,构建Kriging代理模型来近似目标函数和约束条件,提出了基于随机欠采样和Adaboost的分类代理模型（RUSBoost）来解决类别不平衡的收敛判定预测问题.提出了基于多阶段自适应约束处理的代理模型的模型管理方法,该方法采用基于参考向量激活状态的最大化改善期望准则和可行概率准则更新机制来平衡优化初始阶段种群的多样性和可行性,采用支配参考点的置信下限准则更新机制加快收敛速度.通过不断与机理模型交互来在线更新代理模型,实现在线操作优化.通过测试函数和仿真实例验证了本文方法的有效性.     

修正免疫克隆约束多目标优化算法

针对约束多目标优化问题,提出修正免疫克隆约束多目标优化算法.该算法通过引进一个约束处理策略,用一个修正算法对个体的目标函数值进行修正,并对修正后的目标函数值采用免疫克隆算法进行优化,用一个精英种群对可行非支配解进行存储.该算法在优化过程中,既保留了非支配可行解,也充分利用了约束偏离值小的非可行解,同时引进整体克隆策略来提高解分布的多样性.通过对约束多目标问题的各项性能指标的测试以及和对比算法的比较可以看出:该算法在处理约束多目标优化测试问题时,所得解的多样性得到了一定的提高.同时,解的收敛性和均匀性也得到了一定的改进.     

甘油连续生物歧化过程的多目标优化

研究了甘油连续生物歧化过程的多目标优化。针对甘油连续生物歧化为1,3-丙二醇过程的还原途径酶催化非线性动力系统,首先考虑目的产物1,3-丙二醇的产率、甘油转化为1,3-丙二醇的转化率、甘油的转化率以及3-羟基丙醛浓度等四个目标函数,构建了六个多目标非线性优化模型,其次应用NBI（Normal Boundary Intersection）方法对其进行求解。为了解决NBI方法可能获得非全局Pareto最优解这一问题,设计了一种过滤算法以去除NBI方法产生的非全局Pareto点。最后对获得的所有多目标优化问题的Pareto最优解集及Pareto前沿进行了分析与讨论,为实现甘油生物歧化为1,3-丙二醇过程的操作优化提供指导。     

补偿模型误差的采油过程多目标优化

通过对采油过程的分析,本文建立了以最大化区块产油量和最小化单位产油量综合能耗为目标的优化模型.针对单位产油量综合能耗模型的输出与实际值存在较大误差,利用高斯混合模型(GMM)对单位产油量综合能耗混合模型误差特性进行描述,实现对模型的误差补偿,并将误差补偿后的单位产油量综合能耗引入到已建的优化模型中,使得优化结果更接近实际最优值.在此基础上,采用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)用于所建的多目标优化模型求解.最后,以某采油作业区一区块生产过程为例进行仿真验证,结果表明了所建模型和优化算法的有效性.     

基于动态响应的变约束迭代优化及其在化工过程操作优化中的应用

针对化工操作优化过程中稳态优化结果的动态响应可能超出约束的问题,提出了一种基于动态响应的变约束迭代优化方法.在稳态优化算法的基础上,将优化结果施加给动态模型,根据动态模型的动态响应来反馈修正稳态优化的约束,对稳态优化约束修正的过程反复迭代,直至得到的稳态优化结果的动态响应满足原始约束.将基于动态响应的变约束迭代优化方法应用在串联CSTR的操作优化中,并分别就有控制器和无控制器两种情况进行了讨论.优化结果表明,无论有无控制器,利用基于动态响应的变约束迭代优化方法修正约束后得到的稳态优化结果能够满足动态响应不破坏原始约束的要求;由于在有控制器的情况下,被控变量无法出现较大范围的波动,对约束的破坏量更小,因此在有控制器的情况下可以获得更好的优化解,本例中操作优化收益可以提高2.3％.     

Multi-objective optimization for bus body with strength and rollover safety constraints based on surrogate models

It is important to consider the performances of lightweight, stiffness, strength and rollover safety when designing a bus body. In this paper, the finite element (FE) analysis models including strength, stiffness and rollover crashworthiness of a bus body are first built and then validated by physical tests. Based on the FE models, the design of experiment is implemented and multiple surrogate models are created with response surface method and hybrid radial basis function according to the experimental data. After that, a multi-objective optimization problem (MOP) of the bus body is formulated in which the objective is to minimize the weight and maximize the torsional stiffness of the bus body under the constraints of strength and rollover safety. The MOP is solved by employing multi-objective evolutionary algorithms to obtain the Pareto optimal set. Finally, an optimal solution of the set is chosen as the final design and compared with the original design.     

Multi-objective optimization problem under fuzzy rule constraints using particle swarm optimization

In this paper, a fuzzy multi-objective programming problem is considered where functional relationships between decision variables and objective functions are not completely known to us. Due to uncertainty in real decision situations sometimes it is difficult to find the exact functional relationship between objectives and decision variables. It is assumed that information source from where some knowledge may be obtained about the objective functions consists of a block of fuzzy if-then rules. In such situations, the decision making is difficult and the presence of multiple objectives gives rise to multi-objective optimization problem under fuzzy rule constraints. In order to tackle the problem, appropriate fuzzy reasoning schemes are used to determine crisp functional relationship between the objective functions and the decision variables. Thus a multi-objective optimization problem is formulated from the original fuzzy rule-based multi-objective optimization model. In order to solve the resultant problem, a deterministic single-objective non-linear optimization problem is reformulated with the help of fuzzy optimization technique. Finally, PSO (Particle Swarm Optimization) algorithm is employed to solve the resultant single-objective non-linear optimization model and the computation procedure is illustrated by means of numerical examples.     

微粉生产过程中磨机进出口温度多目标优化

微粉是钢铁废渣经过研磨后所形成的一种粉末,是一种高效且环保的建筑材料添加剂.在微粉生产过程中磨机进出口温度之间存在正相关的关系,但在正常工况下进口温度的升高将有助于提高产量,而出口温度的降低却有利于保证生产的安全性,因此温度设定值的求解将是一个多目标优化问题,较难获得最优值.从实际生产工况出发,采用非支配排序遗传算法II、多目标粒子群优化算法和多目标灰狼优化算法多种多目标优化算法求解此问题,并进行对比分析获得最优可行解集.优化后得到的解集能更好的为温度的设定提供参考,从而提升产量与生产的安全.     

响应动态约束条件的多目标货位优化算法研究

针对自动化立库货位决策与优化问题,考虑到优化目标多样、托盘使用状态及可分配货位动态变化等因素,提出了一种响应动态约束条件的多目标货位优化算法。以巷道作业均衡、货架重心稳定及作业路径最短建立多目标优化模型,基于变异系数自适应差分进化算法,使用货位随机数编码,根据实时货位可行域进行个体解码,以响应动态货位约束条件。提出了基于层次分析的Pareto解评价方法,从而获得多批作业货位持续优化的目标权重,为仓储货位决策提供合理方案。多批作业算法实验结果表明:所提算法效果显著优于多目标简单加权算法,能够有效应用于动态货位决策与优化。     

Multi-objective imperfect maintenance optimization for production system with an intermediate buffer

In several production systems, buffer stocks are built between consecutive machines to ensure the continuity of supply during interruptions of service caused by breakdowns or planned maintenance actions. However, in previous research, maintenance planning is performed individually without considering buffer stocks. In order to balance the trade-offs between them, in this study, an integrated model of buffer stocks and imperfective preventive maintenance for a production system is proposed. This paper considers a repairable machine subject to random failure for a production system by considering buffer stocks. First, the random failure rate of a machine becomes larger with the increase of the number of random failures. Thus, the renewal process is used to describe the number of random failures. Then, by considering the imperfect maintenance action reduced the age of the machine partially, a mathematical model is developed in order to determine the optimal values of the two decision variables which characterize the proposed maintenance strategy and which are: the size of the buffer stock and the maintenance interval. The optimal values are those which minimize the average total cost per time unit including maintenance cost, inventory holding cost and shortage cost, and satisfy the availability constraint. Finally, a heuristic procedure is used to solve the proposed model, and one experiment is used to evaluate the performance of the proposed methods for joint optimization between buffer stocks and maintenance policy. The results show that the proposed methods have a better performance for the joint optimization problem and can be able to obtain a relatively good solution in a short computation time.