基于EGA的RBF-PLS方法为脉冲萃取过程建模

针对径向基网络(RBFN)结构与参数难以确定的问题,在分析径向基函数-偏最小二乘(RBF-PLS)方法的基础上,提出以模型拟合和预报性能为目标,同时优选RBF的宽度参数和PLS成分数,并设计了基于优进策略的遗传算法(EGA)实施优化。EGA增加了模式搜索寻优算子,对交叉算子作了改进,自适应地调整交叉率和变异率,由此形成EGA-RBF-PLS方法,并将它应用于回收ε-己内酰胺的脉冲萃取过程。它工作量小,效果良好,所建模型的拟合和预报性能明显优于近似机理模型和其它RBFN模型,稳健性也更好。     

基于优进策略的遗传算法对重油热解模型参数的估计

针对常规遗传算法全局寻优效率偏低的弱点，提出了一种优进策略，用以改进常规遗传算法。该策略将从繁衍过程中获取进化信息，自适应地改进子代分布，适时引入确定性操作，以提高全局寻优性能。提出的相关技术包括维持种群的多样性、改进交叉算子、增加Powell寻优算子等。实例测试表明这种优进策略效果良好，并已成功地应用于重油热解三集总动力学复杂数学模型的非线性参数估计。     

基于自适应伪并行遗传算法的PID参数整定

为了克服基本遗传算法局部搜索能力差和存在未成熟收敛等问题,引入新的种群多样性的度量方法,应用于交叉算子和变异算子,使得交叉算子和变异算子根据种群多样性的变化而变化.提出并行遗传算法的思想,并用于PID参数整定.设计了采用伪并行遗传算法进行PID参数优化的步骤.仿真结果表明该方法是可行的,不但解决了基本遗传算法存在的缺陷和不足,而且也提高了寻优精度和快速性.     

多变异遗传算法优化生物脱硫反应动力学模型参数

由于常规遗传算法(SGA)的全局寻优效率不高,用于复杂的生物脱硫反应动力学模型参数优化时效果欠佳,为此设计了一种新的多变异遗传算法(MGA)以提高全局寻优效率.MGA的改进措施包括散射变异、微扰变异和单纯形变异各算子的设计,多变异操作实施方案的制定,选择操作和交叉操作方式的选择和改进等.Shaffer′s F6函数和10维Alpine函数测试表明,与SGA相比,MGA的全局寻优效率大大提高.将MGA应用于红球菌DS-3脱除二苯并噻吩(DBT)的动力学模型参数优化,建立了更为准确的反应动力学模型.     

结合遗传算子的改进粒子群算法在控制系统设计中的应用

针对粒子群优化算法容易陷入局部最优以及早熟等缺点,结合遗传算法的选择交叉变异算子进行改进,得到一种新型PSO算法.将该方法应用于PID控制系统参数调优和被控对象参数辨识,仿真结果显示所提出的算法优化效果优于基本粒子群优化算法和遗传算法,收敛性能也得到较大提高.     

进化规划-蚁群优化算法的构建并用于化工过程操作优化

经典蚁群优化（ACO）算法搜优效率高,但只适用于求解组合优化等离散问题.以搜索最优食物源为目标,并引入进化规划（EP）简洁的进化机制,用以改造ACO,使之适于连续问题.又将蚁群分工为全局和局部蚂蚁,分别引领个体进行全局探索式和局部挖掘式寻优,并在各个体上释放信息素,供蚁群共享,由此继承了ACO正反馈、互激励的优点,并在优进策略的支持下,构建为EP-ACO算法.经复杂测试函数的优化检验,显示出EP-ACO适于连续问题,且全局搜优效率高,对高维问题适应性强.将EP-ACO应用于二甲苯异构化装置的操作优化,取得了良好的效果,与其他方法相比,优越性明显.     

杂交蚁群系统的构建并用于反应动力学参数的估计

经典的蚁群算法模仿蚂蚁觅食,释放信息素,形成正反馈互激励机制,提高了全局寻优效率,但它只适用于离散问题.将解空间划分为小区域,用以承载信息素,设置全局与局部蚂蚁,引入遗传算法的种群和操作方式,以Powell寻优算子和最优解保留策略改造蚂蚁的智能活动与互激励机制,构建为杂交蚁群系统（hybrid ant colony system,HACS）,可用于求解连续优化问题.实例测试表明,HACS具有良好的全局寻优能力和稳定性,将HACS应用于2-氯苯酚在超临界水中氧化反应动力学参数的估算,获得了满意的结果.     

基于优进策略的差分进化算法及其化工应用

鉴于常规差分进化算法容易“早熟”,全局寻优能力有待提高,提出了基于优进策略的差分进化算法,利用种群繁衍的有用信息改进子代分布,并引入确定性寻优操作,以提高寻优性能.设计了单纯形寻优操作和重布操作,并调整有关概率等.测试表明新算法的全局寻优性能有明显改善,已成功地应用于铯-铷-钒系低温硫酸催化剂上SO2氧化反应模型参数的估计,效果良好.     

一种联合优化算法在选矿生产中的应用研究

选矿生产中的磨矿分级通常是多个过程变量相互作用的过程,为了更好地对选矿过程进行控制,提出了一种联合优化算法:改进的布谷鸟算法(CSA)和支持向量机联合寻优。将一种交叉算子引入传统布谷鸟算法中进行修正,对新生种群进行更新并加速计算收敛,然后将其应用于支持向量机(SVM)建立的预测控制模型中进行参数寻优,利用优化得到的SVM模型进行磨矿分级的预测控制。将该优化算法应用于选矿的磨矿分级过程控制,得到不同控制量的动态特性,并将结果与传统布谷鸟优化算法结果进行了对比,结果表明本文提出的联合优化算法可以较好地跟踪设定值的变化,控制变化平稳、误差小,搜索效率较高;同时可以大幅度降低控制量的控制变化率,对控制变量的约束能力更强,在选矿生产中具有良好的应用前景。     

迭代全息搜索策略及其在动力学参数估计中的应用

针对反应动力学参数估计的复杂性,设计了一种新颖的优化方法-迭代全息搜索策略(IHRS).全息搜索策略(HRS)将多维空间中的寻优问题直观地通过二维全息图上的近邻搜索来实现,是一种全局搜优效率较高的确定性优化方法,但它只能用于离散系统的优化.IHRS通过对连续变量进行离散化处理,并运用迭代计算逐步缩小离散系统与原连续系统的偏差,将复杂的多维连续变量优化问题转化为多个串联的较为简单的离散变量组合优化问题,再运用HRS寻优.并讨论了等分区间数、搜索域收缩率、群规模等参数对IHRS搜优效率的影响.六维Alpine函数测试表明,IHRS的全局优化性能优于单纯形法和遗传算法(GA).将IHRS应用于SO2催化氧化反应动力学模型参数的估计,取得了满意的结果.     

RBF-CSR-EHCGA模型及其在脉冲萃取中的应用

径向基函数-循环子空间回归（RBF-CSR）是一种有效的非线性网络模型,以高斯条为基函数,性能更优,但其参数多,且难以选定,将显著影响模型性能.为此,本文提出基于优进策略的混合编码遗传算法（EHCGA）,以不同的方式为各类参数编码,并引入确定性的Powell算子,提高全局搜优效率.EHCGA算法以模型预报性能为目标,优选参数,以此建立RBF-CSR-EHCGA模型,它的预报精度高、稳定性良好.已成功应用于回收己内酰胺的脉冲萃取过程建模,效果良好,明显优于其他网络模型,也优于近似机理模型.     

改进的全息搜索策略及其在化工优化中的应用

引言 基于样本数据估计反应动力学参数是常见的化工优化问题.参数估计的通用规则是偏差最小化,许多经典的序贯类寻优方法都可用于这一目的,例如Powell共轭梯度法、模式搜索法、变度量法等.     

基于鲸鱼优化算法的汽轮机热耗率模型预测

为了准确地建立汽轮机热耗率预测模型,提出了一种基于反向学习自适应的鲸鱼优化算法（AWOA）和快速学习网（FLN）综合建模的方法。首先将改进后的鲸鱼算法与经典改进的粒子群、差分进化算法和基本鲸鱼算法进行比较,结果证明其具有更高的收敛精度和更快的收敛速度;然后采用某热电厂600 MW超临界汽轮机组现场收集的运行数据建立汽轮机热耗率预测模型,并将改进后的鲸鱼算法优化的快速学习网模型的预测结果与基本快速学习网及经典改进的粒子群、差分进化算法和基本鲸鱼算法优化的快速学习网模型预测结果相比较。结果表明,AWOA-FLN预测模型具有更高的预测精度和更强的泛化能力,更能准确地预测汽轮机的热耗率。     

优进策略支持的进化规划估计反应动力学参数

为准确估计反应动力学参数,在分析确定性优化方法与进化算法特性的基础上,提出了一种由优进策略支持的进化规划方法(EEP),它将确定性寻优的两点梯度法(TPG)引入随机的进化规划算法(EP)中。EEP将依概率调用TPG寻优操作,并相应地调整原有的随机性操作,包括简化变异操作、改进选择操作。测试结果表明EEP克服了TPG与EP的缺点,发扬了二者的优点,具有良好的全局寻优性能。将EEP方法成功地应用于2-氯苯酚在超临界水中氧化反应动力学参数的估计,效果良好,与其它方法相比,结果有所改进,显示出EEP方法的优越性。     

采用结构进化策略的Lagrange乘子法优化换热网络

针对罚函数法处理有约束问题时存在的不足,采用Lagrange乘子法优化换热网络.为求解Lagrange函数方程组,根据确定性方法,提出最速下降法求解策略以及Powell法求解策略.通过极小值判断机制,保证Lagrange函数方程组的解是原换热网络目标函数值的极小值.根据实际工况,提出结构进化策略,与Lagrange乘子法相结合,实现了换热网络全局最优化.通过经典算例验证了两种求解策略的有效性、准确性以及结构进化策略的通用性.与文献结果进行对比,结果表明本算法具有较强的局部搜索能力以及全局搜索能力,能够找到更优的换热网络结构,有利于在工业生产中节约成本.     

深入探索智能算法与反应网络研究的融合

反应网络是化工过程机理在微观分子尺度上的表达方式,但网络的复杂性为深入认识生产过程提出了挑战。本文提出了探索智能算法与反应网络研究融合的思路,基于物质转化的“透明工程”的概念,深入剖析反应网络的结构统计指标、结构拓扑特征、节点性质特征、机理动态演化、建模应用性能等特点。随后阐述了使用“数据结构化、智能优化与分析、智能代理建模”三步结合的机理数值化反应网络研究方法,既实现了在微观层面的局部放大,又实现了在工业应用中的准确预测。文中指出,智能算法融合反应网络后可以对实际工业过程执行可视化、可解释性的建模、分析与优化,为相关工业生产提质增效提供决策依据,并进一步帮助人类突破认知的极限,更深入地理解反应过程,提取关键的反应规律,助力化学工业的智能化。     

Synthesis and optimization of utility system using parameter adaptive differential evolution algorithm☆

Synthesis and optimization of utility system usual y involve grassroots design, retrofitting and operation optimi-zation, which should be considered in modeling process. This paper presents a general method for synthesis and optimization of a utility system. In this method, superstructure based mathematical model is established, in which different modeling methods are chosen based on the application. A binary code based parameter adaptive differential evolution algorithm is used to obtain the optimal configuration and operation conditions of the sys-tem. The evolution algorithm and models are interactively used in the calculation, which ensures the feasibility of configuration and improves computational efficiency. The capability and effectiveness of the proposed approach are demonstrated by three typical case studies.