试析遗传算法用于多目标过程优化综合的研究

《试析遗传算法用于多目标过程优化综合的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、Y803092分类号密级学校代码学号囊纛姑蘸太譬硕士研究生学位论文论文题目：遗传算法用于多目标过程优化综合的研究姓名：指导教师：学科专业专业代码研究方向王达郑世清教授岳金彩副教授化学工程081701系统工程2005年4月20曰遗传算法用于多目标过程优化综合的研究摘要过程系统综合是指按照规定的系统特性，寻求所需要的系统结构及其各子系统的性能，并使系统按规定的目标进行优化组合。它是过程系统工程学的核心内容，是过程系统设计的关键。随着近年来在过程集成设计中需要同时考虑环境性、经济性和可操作性等因素，化工过程的多目标优化综合成为一个重要的研究课题。多目标过程优化综合问题为多目标混

2、合整数非线性规划模型的求解。多目标优化问题与单目标优化不同，多目标优化问题的特点是极少存在绝对最优解，而是存在一个非劣解集(Pareto解集)，多目标优化技术的主要目的就是寻求Pareto解集中的一个或多个满意解。求解方法主要有数学规划法和多目标进化算法。以多目标遗传算法为代表的进化算法被认为特别适合求解此类问题。遗传算法大多用于单目标问题的优化，近十几年来将遗传算法应用到多目标优化的研究得到了很大的发展。本文在充分研究了多目标过程优化综合方法的基础上，在化工通用模拟软件ECSS一化工之星平台上开发了一个多目标化工过程优化综合系统。本系统采用遗传算法。本系统对精英保留的非

3、劣排序遗传算法(Non—dominatedSortingGeneticAlgorithm，NSGA—II)进行了改进，针对化工过程的模型特点，对改进的精英保留的非劣排序遗传算法(NSGA—II)在过程综合中的应用研究进行了讨论，并认为该算法应是求解此类问题的有效算法。本文开发了具有多目标优化综合功能的模块，将该模块集成于化工模拟软件ECSS一化工之星，为过程优化综合提供了方便而可靠的平台，实现过程模拟软件的过程优化综合功能，满足用户对化工过程多目标优化综合的需要。通过实例考核表明。应用本系统可以满足一般化工流程的多目标优化综合要求，对实际过程的最优设计、创造最佳经济效益具

4、有一定的指导作用。关键词过程综合多目标优化遗传算法ECSS--f612_星IISTUDYONTHEGENETICALGORlTHMUSESINMULTI—OBJECTICVEPROCESSOPTI⋯ZATIONOOMPREHENSIVEABSTRACTTheprocesssystemsynthesisisrefersthatseeksystemstructureanditsvarioussubsystemscapabilityaccordingtothesystemcharacteristic，andcausesthesystemtocarry019theoptimize

5、dcombinationaccordingtothestipulationgoal．Itistheprocesssystemengineeringcorecontent，isthekeyofprocesssystemdesign．BecauseintheDrocessintegrationdealgnneededtOconsidertheenvironment，theefficiencyandthemaneuverabilitysimultaneously，thechemicalprocessmulti—objectivesoptimizationsynthesizesb

6、ecomeanimportantresearchtopic，ThisquestionalmostsolvesthemodelofMulti—objectivesMix—integerNonlinearProgramming(MOMINLP)．Themulti—objectivesoptimizationiSdifferentfromthesimpleobjectiveoptimize，thereiSfewabsoluteoptimalsolutiontomulti—objectivesproblem，buthasthesetofnon—dominatedsolutions

7、whichcalledPareto—optimalfront．Themulti-objectivesoptimizationtechnologymaingoaliSseekoneormanyIJIsatisfactorysolutionsinthePareto—optimalfront．Thesolutionmethodsmainlyhavemathematicsprogrammingandthemulti—objectivesevolutionalgorithms．TheMulti—objectivesGeneticAlgo