论文部分内容阅读
研究适用于解决复杂流程工业企业生产装置操作优化问题的新型多目标文化智能优化算法并进行实际工程应用,对增强企业在市场经济中的核心竞争力,提高企业的经济效益和社会效益具有重要意义。本文提出了一种三层文化智能优化算法框架,将遗传算法、粒子群算法和差分进化算法分别纳入其中,提出了三层文化遗传(3LM-CGA)、三层文化粒子群(3LM-CPSO)和三层文化差分(3LM-CDE)算法,有效地解决了单目标和多目标的非线性数学规划(NLP)优化问题。同时,将所提出的算法应用于“德士古”气化炉的三个控制参数的单目标和多目标在线操作优化问题中,所得仿真结果验证了算法的有效性及良好的实际应用价值。本文的主要工作如下:(1)提出了一种三层文化智能优化算法框架。该框架具有三层空间结构,底层种群空间可以纳入GA/PSO/DE算法分别进行多种群独立进化,中间层对底层空间中各种群的进化知识进行提取进化,最高层对中间层的知识进行进一步提取进化并分别返回中间层和最底层指导各层的进化过程。通过20个典型NLP问题的仿真试验,显示该算法框架具有优良的可行性、收敛性和通用性。(2)将(1)中的三层文化智能优化算法(3LM-CGA、3LM-CPSO和3LM-CDE)应用到某化工厂“德士古”气化炉的三个控制参数的在线操作优化问题中,以提高气化炉“有效气”产率为目标,在满足气化炉工艺要求的前提下,求出了比标准GA、PSO和DE更好的优化结果,证明了3LM-CGA、3LM-CPSO和3LM-CDE算法的有效性。(3)提出了多目标三层文化差分进化算法。在(2)所提出的3LM-CDE算法的基础之上,基于聚集函数法的5种策略(主要目标法、线性加权法、极大极小法、理想点法和二范数法)和基于Pareto法,提出了六种多目标三层文化差分进化算法(MO-3LM-CDE),对10个典型的多目标NLP测试函数进行的仿真实验,证明了MO-3LM-CDE比MO-DE具有更好的有效性和优越性。(4)将(3)中提出的MO-3LM-CDE算法应用于(2)中的在线操作优化问题中,同时优化气化炉的合成气流量、合成气CO含量和合成气H2含量三个目标,用(3)中的多目标进化算法解出了比(2)中的单目标优化更多更好的仿真结果,在验证了所提算法的有效性的同时,给气化炉在线操作优化提出了更多操作参数的变化范围。