两步式混合遗传算法及其在常减压装置的应用

殷卫兵，罗雄麟，齐　峥，陶　雪，翁兴勇

中国石油大学自动化系，北京

中国石油大港石化公司，天津

摘　　　要：遗传算法具有很好的全局寻优能力，但在接近较优点时易波动，使得寻优时间加长；可变容差法作为很好的局部寻优算法，却对初始点要求较高。针对这两种算法的优缺点，设计出以遗传算法作为初始优化方法，在满足一定收敛条件后，使用可变容差法进一步寻优的两步式优化方法。经过Ｒｏｓｅｎｂｒｏｃｋ函数优化验证，证明这种两步式优化算法克服了原有单一算法的缺点。以流程模拟为基础，仿真验证了常压蒸馏塔能耗目标的操作优化，达到了预期效果，具有较好的实践意义。

关　键　词：遗传算法；可变容差；两步式优化；流程模拟；常减压蒸馏

１　引　言
遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ，ＧＡ） 能够很好的解决复杂优化问题，具有很好的全局搜索能力，作为全局优化方法，它对初始点没有特殊要求，扩展性好，易于和局部优化算法等方法结合。基于遗传算法的滚动优化策略消耗时间相对较多，虽然在运行前期寻优速度较快，但当接近较优解时会出现左右摆动，这就降低了寻优速度。当该方法应用于对时间要求严格的在线优化时，这一缺陷就直接影响到算法的可行性，使其应用受到限制［１］。可变容差法（ＦｌｅｘｉｂｌｅＴｏｌｅｒａｎｃｅＭｅｔｈｏｄ，ＦＴＭ）通过对初始点按照规则构造多面体，对多面体进行各种操作产生相邻解，这种算法简单、易行，对目标函数的导数没有要求，并且它的搜索方向总是背离函数较大值，使目标函数始终向下降方向搜索，这就大大缩短了优化时间，并具有更高的精度和稳定性。但由于可变容差法对初始点具有较强依赖性，初始点的选取直接影响到寻优效果，并且求解过程中很难发现可能存在的新的较优解区域，常陷入局部极值［２］。

登录网站后可下载文件

相关阅读:

没有相关新闻...