基于PMOGA和可视化技术的多目标优化方法研究

【摘要】：最优化问题一直都是科学界和工程界研究的重点和热点。多年以来,人们在一些传统的优化问题诸如单目标优化问题的研究上已经十分成熟。但是工业过程中遇到的优化问题往往牵扯到多个评价目标,所以多目标优化问题比单目标优化问题的实用性更强。近些年来,随着计算机技术的发展,各种先进的现代智能优化算法也应运而生,传统多目标优化问题在现代智能优化算法中寻找到了新的解决办法,并取得了良好的效果。但是这些算法在解决实际工业问题时却往往显得力不从心,原因在于实际工业问题很难找到严格有效的数学表达模式,而且求解效率不甚理想。 基于以上问题,本文对多目标优化算法,并行计算技术,可视化技术,化工过程多目标优化设计和化工过程多目标参数调优问题进行了研究。提出了并行多家族遗传算法联合流程模拟器解优化设计和参数优选问题,并使用可视化技术对优化结果进行了参数归纳。本文包括以下主要内容： 1)对国内外多目标优化算法相关研究工作进行了学习和总结,比较了多种多目标遗传算法,选定NSGA-Ⅱ算法作为本论文使用的基本算法。并分析了国内外学者关于使用多目标遗传算法包括NSGA-Ⅱ算法解流程工业多目标问题的经验和耗时问题。 2)研究了并行计算技术,提出了并行多家族遗传算法,使得多目标遗传算法能够方便地在多台计算机上并行运算,讨论了算法参数设定问题,提高计算效率,并且获得更好的结果,将并行多家族遗传算法和流程模拟器结合,并研究了约束条件的处理。 3)提出了“局部适应——全局验证”的非线性降维映射和逆映射方法,并使用该方法对多目标遗传算法解出的非支配解集进行优化空间提取。 4)将所提出的计算方法分别对化工过程多目标优化设计和化工过程多目标参数调优问题进行了求解,均得出了好的结果。实例计算表明,本文所提出的计算方法是有效的。 5)对本人所研究的内容进行一个全面总结,并对下一步工作提出展望。