学位论文 > 优秀研究生学位论文题录展示

知识进化算法在化工动态优化中的应用研究

作　者: 彭鑫
导　师: 钱锋
学　校: 华东理工大学
专　业: 控制科学与工程
关键词: 动态优化知识进化进化计算化工过程生化过程
分类号: TQ021.8
类　型: 硕士论文
年　份: 2012年
下　载: 13次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来,随着社会对环境保护的日益重视以及社会对化学工业安全性的质疑,给化学工业带来了巨大的压力,因而对化工控制和优化技术的改进迫在眉睫。基于稳态模型的传统优化技术在化工优化方面曾起到重大作用,对于模型时变不强烈的过程有良好的优化效果。而随着化工技术的发展,目前化工工业过程具有强烈时变、反应机理较为复杂的特点,而基于稳态模型的传统优化技术已经难以满足社会和公众对化工工业的要求,基于稳态模型的优化方法不能解决该类问题,必须要有一种更有效的动态优化机制来对其进行优化。研究基于化工过程的动态优化算法求解策略具有重大的意义和价值。而智能优化方法的发展,对解决过程动态优化问题提供了一种新的有效地思路。特别是知识进化算法的提出,提供了一种比传统仿生智能算法更有效的算法框架。因此本文以针对过程优化特点,设计一种改进的知识进化算法并将其应用于化工过程和生工过程作为研究重点。综述了过程优化问题领域的研究成果,分析了智能优化算法在动态问题的优缺点；针对智能算法在动态优化问题的求解效率,对用于过程动态优化问题的智能算法展开研究并提出了一种改进知识进化算法结构,包括：1)提出了一种候选控制策略一时域与控制域的离散策略；该策略能够产生符合过程生产特性的合适的初始候选策略。2)基于在线聚类的种群个体数减少办法,该策略能够根据进化过程中候选解的分布情况调整种群中候选个体的数量,从而减小算法的计算代价。3)根据知识进化算法框架的特点,设计了两种知识的提取和进化策略：取值空间知识的提取及取值空间的收缩、精英群体知识的提取及更新。有效地提取了算法在进化过程中产生的一些隐含的进化信息。4)设计了三种知识的影响下的种群空间进化策略：子群的更新策略、种群个体的引导迁移、个体的老化机制。使得种群空间能够在知识的引导下进行富有效率的进化,从而提高算法效率。算法分别在批式反应器等四个典型化工动态优化问题上进行了仿真验证,计算结果表明该方法能够以较小的种群规模通过知识的引导,以较少的计算代价找到较好的全局解,有效提高了算法的收敛效率。

全文目录

摘要  5-6
Abstract  6-10
第1章绪论  10-17
  1.1 引言  10-12
    1.1.1 化工优化技术概述  10-11
    1.1.2 化工优化问题的特点及难点  11
    1.1.3 化工过程优化技术的应用领域  11-12
  1.2 过程动态优化的表达方法  12-13
  1.3 过程动态优化的发展现状概述  13-14
  1.4 智能算法解决动态优化问题的优缺点  14-15
  1.5 本文的研究内容及安排  15-17
    1.5.1 研究内容和研究思路  15-16
    1.5.2 本文的工作安排  16-17
第2章优化方法的理论基础和算法概述  17-29
  2.1 经典最优化理论  17-21
    2.1.1 经典优化方法的历史沿革  17-18
    2.1.2 最优化问题的一般数学模型  18
    2.1.3 最优化问题的分类  18-20
    2.1.4 函数极值的必要条件  20
    2.1.5 经典优化方法  20-21
  2.2 动态优化数值方法  21-24
    2.2.1 正交配置法  22
    2.2.2 控制变量参数化方法  22-23
    2.2.3 基于智能计算的动态优化研究  23-24
  2.3 典型智能计算方法及其工业过程应用  24-27
    2.3.1 蚁群算法  24
    2.3.2 进化计算  24-26
    2.3.3 微粒群算法  26-27
    2.3.4 Memetic算法  27
  2.4 算法性能的评价准则  27-28
  2.5 本章小结  28-29
第3章一种改进的知识进化算法  29-50
  3.1 基本知识进化算法  29-35
    3.1.1 知识进化的相关知识  29-30
    3.1.2 基本知识进化算法  30-32
    3.1.3 知识的真理度评价指标  32
    3.1.4 典型知识的设计方法  32-35
  3.2 一种改进的知识进化算法  35-44
    3.2.1 算法的框架  35-36
    3.2.2 种群空间的初始化策略  36-37
    3.2.3 基于在线聚类的种群个体数调整机制  37-40
    3.2.4 知识的提取和进化策略  40-42
    3.2.5 在知识的影响下的种群空间进化策略  42-43
    3.2.6 算法的执行流程  43-44
  3.3 测试函数优化实例  44-49
    3.3.1 两个典型非线性优化问题  44-45
    3.3.2 算子性能测试  45-49
  3.4 本章小结  49-50
第4章改进的知识进化算法在动态优化上的应用  50-59
  4.1 批式反应器(BATCH REACTOR)的产量优化问题  50-51
  4.2 管式反应器(TUBULAR REACTOR)的浓度优化问题  51-52
  4.3 PARK-RAMIREZ生物反应器(PR-B)的产量优化问题  52-53
  4.4 LEE-RAMIREZ生物反应器的补料优化问题  53-55
  4.5 实验结果与评价  55-58
    4.5.1 种群规模和结构对算法性能的影响  55-56
    4.5.2 算法的计算结果及讨论  56-58
  4.6 本章小结  58-59
第5章总结与展望  59-62
  5.1 全文的工作总结  59-60
  5.2 挑战与展望  60-62
符号说明  62-63
参考文献  63-71
致谢  71-72
攻读硕士学位期间发表的论文  72

知识进化算法在化工动态优化中的应用研究

内容摘要

全文目录

相似论文