CGA-RBFN模型及其在丙烯产率预测中的应用

利用混沌变量的遍历性和不规则性,将其引入遗传算法,可提高其全局搜优的性能;采用混沌遗传算法(CGA)训练径向基函数网(RBFN),并均衡地兼顾网络的拟合与预报能力,恰当地设计适应度函数,由此建成的CGA-RBFN模型,其预测能力与稳健性都有提高。将其应用于烃类热裂解丙烯预测,效果良好,与传统方法相比有明显的优越性。     

多变异遗传算法优化生物脱硫反应动力学模型参数

由于常规遗传算法(SGA)的全局寻优效率不高,用于复杂的生物脱硫反应动力学模型参数优化时效果欠佳,为此设计了一种新的多变异遗传算法(MGA)以提高全局寻优效率.MGA的改进措施包括散射变异、微扰变异和单纯形变异各算子的设计,多变异操作实施方案的制定,选择操作和交叉操作方式的选择和改进等.Shaffer′s F6函数和10维Alpine函数测试表明,与SGA相比,MGA的全局寻优效率大大提高.将MGA应用于红球菌DS-3脱除二苯并噻吩(DBT)的动力学模型参数优化,建立了更为准确的反应动力学模型.     

变尺度混沌遗传算法及其在冷扎参数化中的应用

针对标准遗传算法存在的收敛速度慢，易陷入局部极小等问题，提出智能化新方法，基于变尺度混沌优化策略的混沌遗传算法，对经过一次遗传操作的群体进行混沌搜索寻伏，引导种群快速进化，并将其成为应用于冷轧参数的优化计算中。     

汽-液-固流动沸腾系统混沌时间序列的遗传算法全局建模

与系统的平均特性建模研究相比,系统的时间序列建模工作更富挑战性,也更具有意义.最近的研究表明,汽-液-固三相流动沸腾系统的动力学行为具有混沌特征,因此,本文从非线性视角出发,开展系统物理量的时间序列建模研究.根据实验测得的反映系统非线性演化信息的汽-液-固三相流动沸腾系统的壁温时间序列数据,采用遗传算法全局建模方法,建立了描述该系统非线性动力学行为的时间序列迭代形式的数学模型,并将模型计算结果与实验数据进行了比较.结果表明,采用遗传算法全局建模方法所建立的模型,能够较好地描述汽-液-固三相流动沸腾系统的非线性动力学行为,模型计算值与实验数据吻合良好.     

迭代全息搜索策略及其在动力学参数估计中的应用

针对反应动力学参数估计的复杂性,设计了一种新颖的优化方法-迭代全息搜索策略(IHRS).全息搜索策略(HRS)将多维空间中的寻优问题直观地通过二维全息图上的近邻搜索来实现,是一种全局搜优效率较高的确定性优化方法,但它只能用于离散系统的优化.IHRS通过对连续变量进行离散化处理,并运用迭代计算逐步缩小离散系统与原连续系统的偏差,将复杂的多维连续变量优化问题转化为多个串联的较为简单的离散变量组合优化问题,再运用HRS寻优.并讨论了等分区间数、搜索域收缩率、群规模等参数对IHRS搜优效率的影响.六维Alpine函数测试表明,IHRS的全局优化性能优于单纯形法和遗传算法(GA).将IHRS应用于SO2催化氧化反应动力学模型参数的估计,取得了满意的结果.     

混合进化算法研究甲基叔戊基醚合成反应动力学

将遗传算法与模拟退火算法相结合,以自适应多重退火交叉策略和自适应多重退火变异策略分别代替传统遗传算法中的单一交叉策略和单一变异策略,在此基础上进一步与进化策略相结合,开发出了一种多进化模式的混合进化算法. 用以上算法对以强酸性阳离子交换树脂A-15为催化剂用甲醇和叔戊醇为原料合成甲基叔戊基醚反应动力学方程中的速度常数、水的阻害系数等参数进行了求解计算,并与传统算法进行了比较. 结果表明：本研究所提出的混合进化算法收敛速度快,估算精度高,有效抑制了早熟现象的发生,所得到的有关动力学参数可靠,模型计算结果与实验结果吻合良好.     

数据处理方法对无烟煤燃烧动力学参数求解结果的影响

针对利用热分析仪研究无烟煤燃烧动力学参数时数据处理方法和机理函数的选择影响其结果的问题进行了分析和研究.采用Achar微分法、Coats-Redfern积分法以及多重速率扫描Popescu法相结合的方法分析了三种无烟煤燃烧过程最可能的反应机理,考察了不同数学处理方法对求解动力学参数的影响,分析了数学处理过程的误差.研究结果表明:所测试的无烟煤燃烧反应的可能燃烧机理应为相边界反应的收缩体模型:不同数学处理方法所得动力学参数不同;数学处理过程不可避免的引入了较大的误差;所得动力学参数为表观参数.     

环己酮肟低温溶剂重排反应动力学研究

实验考察了以环己烷为溶剂,环己酮肟在发烟硫酸催化下的Beckmann重排反应。结果发现,该反应能够在较低的温度下进行。在80℃、酸肟摩尔比为1.15的条件下,己内酰胺收率达到了98.68%。通过动力学实验,提出了能够预测新工艺在不同酸肟比、烟酸浓度及不同温度下的收率与时间关系的动力学模型,并借助遗传算法确定了反应动力学参数。模型预测检验及统计检验表明该动力学模型是可信的,而且模型预测值和实验结果较好地吻合。     

试差矩阵熬及其在复杂反应动力学研究中的应用

本文提出了一种研究高维拟一级复杂反应动力学的新方法——试差矩阵法.该方法充分运用有效的数学方法和计算技术,以减少实验工作量,并能大大减少待定参数个数,提高估值精度.研究表明,该方法具有良好的方法统计特性,能耐受较大的实验误差。本文还提出了新的八碳芳烃临氢异构化和六碳组份重整体系的反应网络,应用试差矩阵法成功地研究了这两个体系的双曲型动力学模型,求取了各模型参数,模型拟合值与实验值能很好地吻合.     

低温液相甲醇合成反应动力学模型与参数估计

由低温液相甲醇合成的反应机理出发 ,考虑了均相和多相催化剂的不同作用及不同的吸附方式 ,导出了两步法低温液相甲醇合成的动力学模型 .结合搅拌釜中测得的动力学数据 ,对动力学模型进行了筛选和参数回归 .结果表明氢气为分子吸附 ,反应为双位吸附反应 ,甲醇脱附为反应控制步骤的反应动力学模型能较好地拟合实验数据 .由此得到了低温液相甲醇合成反应动力学模型方程 ,模型满足F检验 ,且参数符合各自的物理意义 .该动力学模型由于是对两步反应综合起来进行动力学分析 ,因而结果可在反应器数学模型中应用     

基于全局优化改进混沌粒子群遗传算法的物料平衡数据校正

结合遗传算法（GA）和粒子群算法（PSO）的优点以及混沌运动的特性,提出了加入混沌扰动的混沌粒子群遗传算法（DCPSO-GA）,并使用5个高维非线性测试函数考察全局优化混合算法的性能。DCPSO-GA解决了在寻优搜索时出现的停滞现象,扩大了全局优化的搜索空间,丰富了粒子的多样性,且不需要函数梯度信息。测试结果证明,针对本文的5个测试函数DCPSO-GA能找到全局最优解,其收敛速度很快,大大减少了计算量。而且,经过与其他相关算法比较可知,当总的目标函数调用次数较接近或更少时,改进算法不论在计算精度还是收敛速度上,均有很大的提高。并将DCPSO-GA算法应用到重油裂解参数估计和预测中,测试结果证明,其提高了参数估计和预测的准确性,降低了误差,能有效找到全局最优解,收敛速度快,大大减少计算量。     

基于遗传神经网络的微滤膜通量的预测

针对BP神经网络在寻优过程中容易陷入局部极小值的缺点,将遗传算法和BP神经网络相结合,构造了一种基于遗传算法的反向传播（GABP）神经网络。网络的训练分为两步：首先利用遗传算法群体寻优策略,采用遗传算法对网络权值和阈值进行全局搜索,保证其落入全局最优点的邻域;然后再用梯度法对网络权值进行细化训练以进一步减小误差,使其收敛于全局最优解或性能很好的近似最优解。网络训练时使用的数据是在不同操作条件 （温度、压力、浓度）下,用标准孔径为0.1 μm 的亲水聚偏氟乙烯微滤膜过滤牛血清白蛋白(BSA)溶液时得到的膜通量实验数据,用训练好的GABP神经网络对微滤膜过滤BSA的膜通量预测研究结果表明,与传统的BP算法相比,GABP神经网络算法改善了网络收敛速度以及膜通量预测的准确度。     

A new retrofit approach for heat exchanger networks——improved genetic algorithm

Inspired by genetic algorithm(GA),an improved genetic algorithm(IGA)is proposed.It inherits the main idea of evolutionary computing,avoids the process of coding and decoding inorder to probe the solution in the state space directly and has distributed computing version.Soit is faster and gives higher precision.Aided by IGA,a new optimization strategy for theflexibility analysis and retrofitting of existing heat exchanger networks is presented.A case studyshows that IGA has the ability of finding the global optimum with higher speed and better preci-sion.     

APPLICATION OF ADAPTIVE PID CONTROL WITH GENETIC ALGORITHM TO A POLYMERIZATION REACTOR

This article describes the application of adaptive PID control with genetic algorithm (GA) to a jacketed batch polymerization reactor. This method was used to keep the polymerization reactor temperature at the desired optimal path, which was determined by the Hamiltonian maximum principle method. The reactor was simulated and the model equations of this jacketed polymerization reactor were solved by means of Runge-Kutta-Felthberg methods. A genetic algorithm can be a good solution for finding the optimum PID parameters because unlike other techniques it does not impose many limitations and it is simple. In this research, suitability of these parameters was checked by the integral absolute error (IAE) criterion. The control parameters in the PID algorithm were changed with time during the control of a polymerization reactor. It was seen that the genetic algorithm was able to tune the PID controller used in this system in terms of higher robustness and reliability by changing the parameters continuously.     

改进的自适应免疫算法及其在对二甲苯氧化燃烧副反应优化中的应用(英文)

In recent years, immune genetic algorithm (IGA) is gaining popularity for finding the optimal solution for non-linear optimization problems in many engineering applications. However, IGA with deterministic mutation factor suffers from the problem of premature convergence. In this study, a modified self-adaptive immune genetic algorithm (MSIGA) with two memory bases, in which immune concepts are applied to determine the mutation parameters, is proposed to improve the searching ability of the algorithm and maintain population diversity. Performance comparisons with other well-known population-based iterative algorithms show that the proposed method converges quickly to the global optimum and overcomes premature problem. This algorithm is applied to optimize a feed forward neural network to measure the content of products in the combustion side reaction of p-xylene oxidation, and satisfactory results are obtained.     

基于蚂蚁智能体调度的混沌搜索算法及化工应用

针对混沌搜索随机性的缺点和遍历性的优点,提出了一种基于蚂蚁智能体调度的混沌搜索算法（chaos optimization algorithm based on ant agent scheduling,CAAS）。该算法将解空间的每维变量都划分成若干子域并分配一定规模的蚂蚁智能体,蚂蚁智能体在各子域中进行混沌搜索。同时,根据每维变量各个子域中信息素浓度决定蚂蚁智能体在各个子域间的转移,以有效克服传统混沌优化算法的随机性,实现快速的全局最优搜索。分别采用传统混沌优化算法和CAAS对标准的非线性连续优化问题进行寻优。结果表明：CAAS的全局搜索性能、收敛速率都明显地优于混沌优化算法。最后,将该算法应用于对羧基苯甲醛含量软测量模型参数估计,取得良好的效果。     

A novel 3-layer mixed cultural evolutionary optimization framework for optimal operation of syngas production in a Texaco coal-water slurry gasifier☆

Optimizing operational parameters for syngas production of Texaco coal-water slurry gasifier studied in this paper is a complicated nonlinear constrained problem concerning 3 BP (Error Back Propagation) neural networks. To solve this model, a new 3-layer cultural evolving algorithm framework which has a population space, a medium space and a belief space is firstly conceived. Standard differential evolution algorithm (DE), genetic algorithm (GA), and parti-cle swarm optimization algorithm (PSO) are embedded in this framework to build 3-layer mixed cultural DE/GA/PSO (3LM-CDE, 3LM-CGA, and 3LM-CPSO) algorithms. The accuracy and efficiency of the proposed hybrid algo-rithms are firstly tested in 20 benchmark nonlinear constrained functions. Then, the operational optimization model for syngas production in a Texaco coal-water slurry gasifier of a real-world chemical plant is solved effective-ly. The simulation results are encouraging that the 3-layer cultural algorithm evolving framework suggests ways in which the performance of DE, GA, PSO and other population-based evolutionary algorithms (EAs) can be improved, and the optimal operational parameters based on 3LM-CDE algorithm of the syngas production in the Texaco coal-water slurry gasifier shows outstanding computing results than actual industry use and other algorithms.     

基于改进双种群遗传算法的复合材料层合板铺层优化设计

针对复合材料层合板铺层优化设计过程中易出现的算法早熟及收敛慢的问题,结合多种群遗传算法和自适应遗传算法,提出一种引入自适应算子的改进双种群遗传算法。在算法过程中以对称复合材料层合板为例进行验证,通过Patran建立有限元初始模型,采用Matlab编写遗传算法主程序及数据传递程序,实现对Nastran的输入输出文件的读写,并在以Tsai-Wu准则为基础确立的适应度函数下,对复合材料层合板的铺层顺序进行优化。对比传统遗传算法,结果表明该改进算法能够明显提高优化效率,并能够有效收敛于全局最优解,对解决复合材料结构优化设计问题有一定的指导意义。     

基于遗传算法的汽车永磁发电机多目标优化设计

提出了一种基于遗传算法的汽车永磁发电机多目标优化设计。该设计通过改进的遗传算法进行多目标优化。改进的遗传算法采用二进制编码,规范化几何秩选择,混合交叉及均匀变异。优化结果表明,在单目标函数和多目标函数情形下均搜索到全局最优解,遗传算法为多目标优化提供了有效的途径。同时经过反复计算后,获得一些具有实用价值的经验数据,对永磁电机的设计起到一定指导作用。     

杂交蚁群系统的构建并用于反应动力学参数的估计

经典的蚁群算法模仿蚂蚁觅食,释放信息素,形成正反馈互激励机制,提高了全局寻优效率,但它只适用于离散问题.将解空间划分为小区域,用以承载信息素,设置全局与局部蚂蚁,引入遗传算法的种群和操作方式,以Powell寻优算子和最优解保留策略改造蚂蚁的智能活动与互激励机制,构建为杂交蚁群系统（hybrid ant colony system,HACS）,可用于求解连续优化问题.实例测试表明,HACS具有良好的全局寻优能力和稳定性,将HACS应用于2-氯苯酚在超临界水中氧化反应动力学参数的估算,获得了满意的结果.