模塊化結(jié)合分布式遺傳算法在精餾優(yōu)化中的應(yīng)用.pdf

1、精餾至今仍然是一種非常重要的操作，如何利用數(shù)學(xué)工具提高精餾效率一直是過去及現(xiàn)在的研究熱點(diǎn)。絕大部分研究集中于精餾序列的拓?fù)浣Y(jié)構(gòu)表示以及對數(shù)學(xué)模型的求解。為了保證數(shù)學(xué)問題的收斂，研究者往往對設(shè)計模型、熱力學(xué)計算、水力學(xué)計算或者成本函數(shù)進(jìn)行簡化并提供接近最優(yōu)解的初值。然而，前者對優(yōu)化結(jié)果的準(zhǔn)確性有所影響，后者較難實(shí)現(xiàn)。同時，上述研究提出的方法和模型即使有效，但實(shí)現(xiàn)過程過于繁瑣，需要耗費(fèi)大量的時間和精力，不便于實(shí)際應(yīng)用。商業(yè)模擬軟件結(jié)合遺傳算

2、法可減少以上問題。但是，由于嚴(yán)格計算模型的使用，單個個體評價函數(shù)時間開銷較大，導(dǎo)致整體尋優(yōu)時間過長，嚴(yán)重阻礙了此方法的實(shí)際應(yīng)用。 因此，基于模塊化軟件耦合遺傳算法的思想，本文提出了一種新的在并行環(huán)境中運(yùn)行的精餾體系優(yōu)化網(wǎng)絡(luò)以解決以上問題。與之前提出的各種用于優(yōu)化精餾系統(tǒng)的MINLP問題優(yōu)化方法相比，本方法具有以下優(yōu)點(diǎn)：模塊化結(jié)合遺傳優(yōu)化算法使得優(yōu)化問題的模擬方便實(shí)現(xiàn)和容易修改，便于設(shè)計工程師于實(shí)際工程中應(yīng)用；嚴(yán)格計算模型和目標(biāo)函

3、數(shù)使得優(yōu)化更加可靠；并行計算資源保證了尋優(yōu)計算的時效性。 本文首先從編碼形式、選擇操作和其他遺傳算子等方面對遺傳算法進(jìn)行分析說明，分別詳細(xì)解釋了采用的二進(jìn)制-實(shí)數(shù)混合編碼方式和隨機(jī)多父輩適應(yīng)度值加權(quán)交叉算子。另外，在案例的試算過程中發(fā)現(xiàn)：遺傳算法在尋優(yōu)過程中，由于可行域相對于搜索空間過小，搜索尋優(yōu)精度不夠，容易早熟于局部最優(yōu)點(diǎn)。為了解決該問題，在保證尋優(yōu)精度的同時加速尋優(yōu)過程，我們進(jìn)一步引入了新的改進(jìn)措施逐級進(jìn)化策略。優(yōu)化問題的

4、約束條件處理方式采用最常用的罰函數(shù)法。之后，分布式遺傳算法的實(shí)現(xiàn)方式得以詳細(xì)說明，具體為采用標(biāo)準(zhǔn)主從式模型，由MPICH1.2.5結(jié)合VC++6.0在windows2000機(jī)群環(huán)境下完成并行計算；采用ASPENPLUS作為模塊模擬器，用戶調(diào)用界面由VisualBasic6.0環(huán)境下編寫的接口程序完成。接下來，以最小化精餾系統(tǒng)的年費(fèi)用為優(yōu)化目標(biāo)，用一種常規(guī)優(yōu)化方法難以得到優(yōu)化結(jié)果的具有熱集成和水集成的甲醇精餾新工藝的復(fù)雜精餾系統(tǒng)為算例，對

5、本文提出的優(yōu)化方法進(jìn)行驗(yàn)證。結(jié)果證明，優(yōu)化網(wǎng)絡(luò)能有效的找到最優(yōu)點(diǎn)，實(shí)現(xiàn)精餾系統(tǒng)的最優(yōu)設(shè)計。與文獻(xiàn)比較，本文中提出的優(yōu)化網(wǎng)絡(luò)得到的精餾最優(yōu)設(shè)計的年消耗費(fèi)用比其設(shè)計的年消耗費(fèi)用少13.6％。為了進(jìn)一步分析本文提出的逐級進(jìn)化改進(jìn)遺傳算法的優(yōu)越性，我們采用文獻(xiàn)推薦遺傳參數(shù)的傳統(tǒng)遺傳算法耦合模塊模擬器對算例也進(jìn)行尋優(yōu)計算。兩者進(jìn)行比較，本文中提出的采用了逐級進(jìn)化策略的改進(jìn)算法在同等條件下得到的精餾最優(yōu)設(shè)計的年消耗費(fèi)用比傳統(tǒng)算法優(yōu)化得到的設(shè)計的年消

6、耗費(fèi)用少26.9％，證明了新算法的優(yōu)越性能。同時，在對案例的重復(fù)計算及統(tǒng)計中發(fā)現(xiàn)本文提出的方法在群體個數(shù)過小的情況下容易受隨機(jī)因素影響，5次計算最大偏差可達(dá)到47％。因此，先前采取的文獻(xiàn)推薦群體大小個數(shù)50應(yīng)當(dāng)擴(kuò)大。接下來在群體大小個數(shù)為100條件下進(jìn)行的重復(fù)計算和統(tǒng)計也確實(shí)證明了該結(jié)論。與之前相比，隨機(jī)因素的影響能大幅度降低至8％以下。除此之外，對串行和并行條件下的時間開銷分析證明了并行技術(shù)能大規(guī)模地減少必需計算時間，保證了模塊化軟件