化工学报
化工學報
화공학보
JOURNAL OF CHEMICAL INDUSY AND ENGINEERING (CHINA)
2013年
12期
4401-4409
,共9页
祁荣宾%刘趁霞%钟伟民%钱锋
祁榮賓%劉趁霞%鐘偉民%錢鋒
기영빈%류진하%종위민%전봉
多目标%优化算法%梯度信息%选择置点法%补料分批生化反应器%动态优化
多目標%優化算法%梯度信息%選擇置點法%補料分批生化反應器%動態優化
다목표%우화산법%제도신식%선택치점법%보료분비생화반응기%동태우화
multi-objective%optimization algorithm%gradient information%selection and collocation method%fed-batch bioreactor%dynamic optimization
传统的多目标进化算法多是基于Pareto最优概念的类随机搜索算法,求解速度较慢,特别是针对动态多目标优化问题.就此提出了一种新的基于梯度信息的多目标寻优算法(hybrid optimization algorithm based on single and muhi-objective gradient information,HSMGOA),该算法首先利用种群中每个个体对各目标的负梯度方向,以有效保证种群个体能沿单个目标函数值减小的方向加快搜索;同时为避免由于多目标问题之间的冲突性而导致其他目标函数的显著增大,将多个目标的梯度信息方向整合为一个方向进行协同搜索;并且还提出了一种新的选择置点法,以加快算法初始寻优速度并提供优良的初始种群.通过对ZDT系列测试函数的仿真可以看出,HSMGOA在较少的运行次数下,其性能远远优于NSGA2算法.最后将HSMGOA与NSGA2混合以解决补料分批生化反应过程的动态多目标优化问题,并将取得的Pareto最优解集与NSGA2、MOPSO比较可知,该混合算法在解决该化工问题时表现出了更好的性能.
傳統的多目標進化算法多是基于Pareto最優概唸的類隨機搜索算法,求解速度較慢,特彆是針對動態多目標優化問題.就此提齣瞭一種新的基于梯度信息的多目標尋優算法(hybrid optimization algorithm based on single and muhi-objective gradient information,HSMGOA),該算法首先利用種群中每箇箇體對各目標的負梯度方嚮,以有效保證種群箇體能沿單箇目標函數值減小的方嚮加快搜索;同時為避免由于多目標問題之間的遲突性而導緻其他目標函數的顯著增大,將多箇目標的梯度信息方嚮整閤為一箇方嚮進行協同搜索;併且還提齣瞭一種新的選擇置點法,以加快算法初始尋優速度併提供優良的初始種群.通過對ZDT繫列測試函數的倣真可以看齣,HSMGOA在較少的運行次數下,其性能遠遠優于NSGA2算法.最後將HSMGOA與NSGA2混閤以解決補料分批生化反應過程的動態多目標優化問題,併將取得的Pareto最優解集與NSGA2、MOPSO比較可知,該混閤算法在解決該化工問題時錶現齣瞭更好的性能.
전통적다목표진화산법다시기우Pareto최우개념적류수궤수색산법,구해속도교만,특별시침대동태다목표우화문제.취차제출료일충신적기우제도신식적다목표심우산법(hybrid optimization algorithm based on single and muhi-objective gradient information,HSMGOA),해산법수선이용충군중매개개체대각목표적부제도방향,이유효보증충군개체능연단개목표함수치감소적방향가쾌수색;동시위피면유우다목표문제지간적충돌성이도치기타목표함수적현저증대,장다개목표적제도신식방향정합위일개방향진행협동수색;병차환제출료일충신적선택치점법,이가쾌산법초시심우속도병제공우량적초시충군.통과대ZDT계렬측시함수적방진가이간출,HSMGOA재교소적운행차수하,기성능원원우우NSGA2산법.최후장HSMGOA여NSGA2혼합이해결보료분비생화반응과정적동태다목표우화문제,병장취득적Pareto최우해집여NSGA2、MOPSO비교가지,해혼합산법재해결해화공문제시표현출료경호적성능.
