一种基于单种群和预交叉的差分进化算法的间歇反应器最优控制方法，其特征在于：所述控制方法包括以下步骤： １）、令进化代数ｇ＝１，个体编号ｉ＝１，参数初始化： １．１）．设置种群规模ｐｏｐ； １．２）．设置杂交概率ＣＲ；１．３）．设置缩放因子Ｆ； １．４）．设置最大进化代数Ｇ↓［ｍａｘ］； １．５）．设置优化变量的取值范围，其中优化变量为间歇反应器的反应时间和反应温度； ２）、初始化种群：设置规模为ｐｏｐ的种群Ｓ↓［１］与Ｓ↓［２］每次随机生成满足约束条件的两个个体ｘ↓［ｉ］与ｘ′↓［ｉ］，令该两个体的适应度分别为ｆ（ｘ↓［ｉ］）和ｆ（ｘ′）↓［ｉ］，其中ｆ为适应度函数，取间歇反应器中目标产物的产量，且将最大化目标产物的产量作为优化目标，其中适应度较高的个体归入Ｓ↓［１］，较低的归入Ｓ↓［２］，重复该过程直到两个种群的个体数均为ｐｏｐ； ３）、令Ｓ↓［１］中适应度最高与最低个体的适应度分别为ｆ↓［ｍａｘ］与ｆ↓［ｍｉｎ］，若满足｜ｆ↓［ｍａｘ］－ｆ↓［ｍｉｎ］｜≤ｅｐｓ，则算法终止，输出最终结果；若否，令ｇ＝ｇ＋１，ｉ＝１；判断是否达到最大进化代数Ｇ↓［ｍａｘ］，若是，则算法终止，输出目标产物产量的变化曲线，若否，则继续； ４）、进行预交叉操作，得到的实验个体为ｙ↓［ｉ］，对应的Ｓ↓［１］与Ｓ↓［２］中的父代个体分别为ｘ↓［ｉ］与ｘ′↓［ｉ］，若ｆ（ｙ↓［ｉ］）＜ｆ（ｘ↓［ｉ］），其中ｆ为适应度函数，则用ｙ↓［ｉ］替换ｘ↓［ｉ］，转步骤５）；若否，转步骤６）；其中预交叉操作的步骤如下：令Ｓ↓［１］与Ｓ↓［２］分别为主种群和辅助种群，预交叉操作由下式表示 ＊＊＊其中ｙ↓［ｉ］代表实验个体，ａ↓［ｉ］是从Ｓ↓［２］中随机选出的个体，ｘ↓［ｉ］代表ｙ↓［ｉ］对应的Ｓ↓［１］父代个体，上标ｊ代表个体中的第ｊ位，若ｆ（ｙ↓［ｉ］）＜ｆ（ｘ↓［ｉ］），则用ｙ↓［ｉ］替换ｘ↓［ｉ］；若否，则从Ｓ↓［１］中随机选择３个个体，按照前文中描述的过程进行交叉操作，得到的实验个体记为＊↓［ｉ］，若ｆ（＊↓［ｉ］）＜ｆ（ｘ↓［ｉ］），则用＊↓［ｉ］↑［ｊ］代替ｘ↓［ｉ］；若ｆ（＊↓［ｉ］）＞ｆ（ｘ↓［ｉ］）且ｆ（＊↓［ｉ］）＜ｆ（ｘ′↓［ｉ］），则用＊↓［ｉ］↑［ｊ］代替ｘ′↓［ｉ］； ５）、令ｉ＝ｉ＋１，若ｉ＝ｐｏｐ，转步骤３）；若否，转步骤４）； ６）、从Ｓ↓［１］中随机选择３个个体进行变异交叉操作，得到的实验个体为＊↓［ｉ］，若ｆ（＊↓［ｉ］）＜ｆ（ｘ↓［ｉ］），则用＊↓［ｉ］替换ｘ↓［ｉ］；若ｆ（＊↓［ｉ］）＞ｆ（ｘ↓［ｉ］）且ｆ（＊↓［ｉ］）＜ｆ（ｘ′↓［ｉ］），则用＊↓［ｉ］替换ｘ′↓［ｉ］，转步骤５）。
Optimal control method of batch reactor based on single population and pre intersection differential evolution algorithm
【技术实现步骤摘要】
本专利技术涉及工业优化技术，尤其是一种间歇反应器最优控制方法。
技术介绍
差分进化(Differential Evolution, DE)是一种新兴的进化计算方法，最初由Storn等人在1995年提出，当时的设想是用于解决切比雪夫多项式问题，后来发现DE也是解决复杂优化问题的有效技术。DE与人工生命，特别是进化算法有着极为特殊的联系，和遗传算法以及粒子群算法一样，都是基于群体智能理论的优化算法，通过群体内个体间的合作与竞争产生的群体智能指导优化搜索。相比于进化算法，DE保留了基于种群的全局搜索策略，采用实数编码，基于差分的简单变异操作和一对一的竞争生存策略降低了遗传操作的复杂性；同时，DE特有的记忆能力使其可以动态跟踪当前的搜索情况以调整其搜索策略，具有较强的全局收敛能力和鲁棒性，且不需要借助问题的特征信息，适于求解一些利用常规的数学规划方法所无法求解的复杂环境中的优化问题。因此，DE作为一种高效的并行搜索算法，对其进行理论和应用研究具有重要的学术意义和工程价值。近年来差分进化算法在工业优化领域内得到了广泛的应用Wang将间歇燃料酒精发酵生产过程的最优加料策略转变为一个模糊决策分析问题，同时利用DE解决该问题，求得最优加料策略；Chiou利用改进的DE算法解决间歇发酵过程的最优控制和最优参数选择问题；Chakraborti利用DE对钢厂重加热炉进行优化配置，并通过调节轧钢速度使得到的温度曲线满足轧钢退温约束。和传统优化算法相比，上述改进的DE算法仍存在运算耗时长，运算量大的缺点，因此如何提高DE算法的运算效率是当前的一个研究重点。差分进化算法的基本思想是通过不断替换种群中较差的个体从而搜索到全局最优解。算法由选择、变异、交叉三步组成，首先由父代个体间的差分矢量构成变异算子；接着按一定概率，父代个体与变异个体之间进行交叉操作，生成试验个体；然后在父代个体与试验个体之间根据适应度的大小进行选择操作，选择适应度更优的个体作为子代。从种群S中随机选择三个互不相同的个体^。， 、(2)与x,。变异过程可以表示为<formula>formula see original document page 5</formula>上式中；f+'为实验个体，F为縮放因子，子代个体《+1通过实验个体#+1与父代个体《进行交叉操作得到，由下式表示<formula>formula see original document page 5</formula>其中RAND为(0,1)之间的随机数，CR为交叉因子，取值范围为(O,l)， y代表个体中的第y位。差分进化采用"贪婪"的保存策略，子代个体x广'与父代个体xf竞争，若;cf"对应的目标函数值优于;cf ，则用:cf+'替换;cf ;反之，则用《替换x"。算法终止条件为达到最大进化代数或当前代中最优个体与最差个体的适应度之差小于某一设定值，即满足下式-<formula>formula see original document page 5</formula>其中的/皿与/^分别为最优个体与最差个体的适应度，eps为设定值。传统DE算法虽然在应用上获得了很大的成功，然而仍然存在计算耗时长、运算量大的局限性。因此如何提高DE的计算效率仍是当前的一个研究重点，许多学者在这方面做出了建设性的工作。Babu提出了 DES算法(Differentialevolution with single string),并将其应用于化工过程优化中，取得了较好的结果。不同于DE， DES在进化过程中仅仅保留一个种群，得到的子代个体随即参与到后续的进化过程中，提高了算法的收敛速度并且减少了存储耗费。Ali提出的DEPC(Differential evolution with preferential crossover)算法弓l进了预交叉操作，减少了算法的计算消耗，引进了辅助种群用于保存在选择过程中被拒绝的潜在实验解，在算法经过一段迭代以后，用辅助种群中的若干较好的解代替主种群中的较差解，以减少算法的计算时间。在生产过程中，间歇反应器以其灵活多变的特性在制备多种类型的产品中占有十分重要的地位。近年来，间歇反应过程优化问题得到了广泛的关注。由于间歇反应过程所具有的强非线性以及反应过程的不确定性等特点，很难提出有效的优化算法。DE具有的特点特别适合于求解间歇反应器的优化问题。传统的DE算法应用于间歇反应器最优控制，存在以下缺陷操作复杂、收敛速度较慢、搜索能力较差。目前国内关于间歇反应器的优化方法的专利尚无。
技术实现思路
为了克服已有间歇反应器最优控制方法的操作复杂、收敛速度较慢、搜索能力较差的缺点，本专利技术提供一种操作简单、收敛速度快、搜索能力强的基于单种群和预交叉的差分进化算法以解决间歇反应器最优控制方法。本专利技术解决其技术问题所采用的技术方案是一种，所述控制方法包括以下步骤1)、令进化代数g-l，个体编号/ = 1，参数初始化，包括以下几个步骤1.1) .设置种群规模 ，；1.2) .设置杂交概率CW;1.3) .设置縮放因子F;1.4).设置最大进化代数G^;1. 5).设置优化变量的取值范围，其中优化变量为间歇反应器的反应时间和反应温度；2)、初始化种群设置规模为p印的种群S,与&每次随机生成满足约束条件的两个个体;c,与;c;，令该两个体的适应度分别为/0c,;)和/0c'),，其中/为适应度函数，取间歇反应器中目标产物的产量，且将最大化目标产物的产量作为优化目标。将适应度较高的个体归入^，较低的归入&，重复该过程直到两个种群的个体数均3) 、令&中适应度最高与最低个体的适应度分别为/_与/^ ，若满足|/max_/min|"PS，即最优解与最劣解的差在设定范围内，算法终止，输出目标产物产量的变化曲线；若否，令g-g + l， "1;判断是否达到最大进化代数G^，若是，则算法终止，输出目标产物产量的变化曲线，若否，则继续；4) 、进行预交叉操作，得到的实验个体为y,，对应的S,与&中的父代个体分别为^与<，若/(乃)>/(《)，即优化变量y,对应的目标产量大于、对应的目标产量，则用^替换;c,，转步骤5);若否，转步骤6);其中预交叉操作的步骤如下:令S与^分别为主种群和辅助种群，预交叉操作由下式表示其中X代表实验个体，a,是从&中随机选出的个体，x,代表^对应的S父代个体，上标y代表个体中的第7位，可以看出，预交叉操作与交叉操作很类似，不同的是《来自于种群&。若/(")>/(^，则用^替换x,;若否，则从S中随机选择3个个体，按照前文中描述的过程进行交叉操作，得到的实验个体记为A，若/0>,)>/("，则用W代替v若/U卜/(x,)且/")>/(《)，则用》/代替小5)、令/ = / + 1，若hp叩，转步骤3);若否，转步骤4);6)、从s,中随机选择3个个体进行变异交叉操作，得到的实验个体为;P,，若则用夕,替换、；若/(幻</00且/0>,)>/0<)，则用j),替换x;，转步骤5)。本专利技术的技术构思为基于本文档来自技高网...
【技术保护点】
一种基于单种群和预交叉的差分进化算法的间歇反应器最优控制方法，其特征在于：所述控制方法包括以下步骤： １）、令进化代数ｇ＝１，个体编号ｉ＝１，参数初始化： １．１）．设置种群规模ｐｏｐ； １．２）．设置杂交概率ＣＲ；１．３）．设置缩放因子Ｆ； １．４）．设置最大进化代数Ｇ↓［ｍａｘ］； １．５）．设置优化变量的取值范围，其中优化变量为间歇反应器的反应时间和反应温度； ２）、初始化种群：设置规模为ｐｏｐ的种群Ｓ↓［１］与Ｓ↓［２］每次随机生成满足约束条件的两个个体ｘ↓［ｉ］与ｘ′↓［ｉ］，令该两个体的适应度分别为ｆ（ｘ↓［ｉ］）和ｆ（ｘ′）↓［ｉ］，其中ｆ为适应度函数，取间歇反应器中目标产物的产量，且将最大化目标产物的产量作为优化目标，其中适应度较高的个体归入Ｓ↓［１］，较低的归入Ｓ↓［２］，重复该过程直到两个种群的个体数均为ｐｏｐ； ３）、令Ｓ↓［１］中适应度最高与最低个体的适应度分别为ｆ↓［ｍａｘ］与ｆ↓［ｍｉｎ］，若满足｜ｆ↓［ｍａｘ］－ｆ↓［ｍｉｎ］｜≤ｅｐｓ，则算法终止，输出最终结果；若否，令ｇ＝ｇ＋１，ｉ＝１；判断是否达到最大进化代数Ｇ↓［ｍａｘ］，若是，则算法终止，输出目标产物产量的变化曲线，若否，则继续； ４）、进行预交叉操作，得到的实验个体为ｙ↓［ｉ］，对应的Ｓ↓［１］与Ｓ↓［２］中的父代个体分别为ｘ↓［ｉ］与ｘ′↓［ｉ］，若ｆ（ｙ↓［ｉ］）＜ｆ（ｘ↓［ｉ］），其中ｆ为适应度函数，则用ｙ↓［ｉ］替换ｘ↓［ｉ］，转步骤５）；若否，转步骤６）；其中预交叉操作的步骤如下：令Ｓ↓［１］与Ｓ↓［２］分别为主种群和辅助种群，预交叉操作由下式表示 ＊＊＊其中ｙ↓［ｉ］代表实验个体，ａ↓［ｉ］是从Ｓ↓［２］中随机选出的个体，ｘ↓［ｉ］代表ｙ↓［ｉ］对应的Ｓ↓［１］父代个体，上标ｊ代表个体中的第ｊ位，若ｆ（ｙ↓［ｉ］）＜ｆ（ｘ↓［ｉ］），则用ｙ↓［ｉ］替换ｘ↓［ｉ］；若否，则从Ｓ↓［１］中随机选择３个个体，按照前文中描述的过程进行交叉操作，得到的实验个体记为＊↓［ｉ］，若ｆ（＊↓［ｉ］）＜ｆ（ｘ↓［ｉ］），则用＊↓［ｉ］↑［ｊ］代替ｘ↓［ｉ］；若ｆ（＊↓［ｉ］）＞ｆ（ｘ↓［ｉ］）且ｆ（＊↓［ｉ］）＜ｆ（ｘ′↓［ｉ］），则用＊↓［ｉ］↑［ｊ］代替ｘ′↓［ｉ］； ５）、令ｉ＝ｉ＋１，若ｉ＝ｐｏｐ，转步骤３）；若否，转步骤４）； ６）、从Ｓ↓［１］中随机选择３个个体进行变异交叉操作，得到的实验个体为＊↓［ｉ］，若ｆ（＊↓［ｉ］）＜ｆ（ｘ↓［ｉ］），则用＊↓［ｉ］替换ｘ↓［ｉ］；若ｆ（＊↓［ｉ］）＞ｆ（ｘ↓［ｉ］）且ｆ（＊↓［ｉ］）＜ｆ（ｘ′↓［ｉ］），则用＊↓［ｉ］替换ｘ′↓［ｉ］，转步骤５）。...
【技术特征摘要】
【专利技术属性】
技术研发人员：俞立，黄骅，陈秋霞，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：86
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。