基于Kriging代理模型的苯乙烯流程优化

针对苯乙烯工艺流程的设计及控制复杂性,使用Kriging代理模型方法,对由Aspen plus构建的苯乙烯工艺流程模拟系统进行建模,并且使用分布估计算法对目标函数进行优化。结果表明,基于Kriging模型的分布估计算法,在保证较高精度要求的前提下,明显减少了计算时间,有效地化解了精度和效率之间的矛盾,具有理论意义及实用价值。     

基于偏最小二乘的Kriging代理模型在加氢裂化建模中的应用

提出了一种改进的代理模型方法 （Kriging with Partial Least Squares,KPLS）。该方法在Kriging模型的基础上引入偏最小二乘的思想,利用偏最小二乘方法构建新的Kriging模型的高斯核函数。将该模型应用于加氢裂化过程建模,有效地提高了航煤、柴油质量收率的预测精度。采用 GLAMP（Global and local search strategy）优化算法对建立的KPLS模型进行优化,仿真结果显示航煤、柴油质量收率得到了显著提升。     

并网模式下基于多代理技术的微电网多目标优化

微电网的经济运行是一个多目标、多约束问题。传统方法将多目标转化为单目标的求解策略往往难以迅速收敛,且在权重的选取上具有很强的主观性。本文提出了一种基于多代理技术的多目标求解策略,考虑微网的整体经济性问题,分别建立发电侧目标代理（PowerAgent）以及需求侧目标代理（LoadAgent）,从而避免了权重的选择。虚拟电价信息作为发电侧代理的协商参数,负荷调度信息作为需求侧代理的协商参数。利用JADE平台提供的Agent通信功能,目标代理之间传递协商参数,优化自身子目标问题,迭代协商,最终达到目标均衡。协商过程保证了微网的整体经济性要求,且两个子目标通过目标代理分布式求解,能够快速收敛。最后通过算例讨论了各代理的行为特征,验证了本文方法的可行性。     

IaaS云环境下一种基于综合满意度的虚拟机放置策略

基础设施即服务（IaaS）环境下的一个关键需求是对租户申请的虚拟机进行合理放置。当前虚拟机放置策略的研究大都集中在数据中心能耗、资源损耗以及负载均衡等方面,很少有工作关注其对租户虚拟机启动时间的影响。为了减少虚拟机请求的周转时间,降低数据中心的资源损耗,本文首先建立了云服务租户满意度模型,给出了虚拟机请求到达云端后周转时间的量化方法;然后基于数据中心的资源损耗建立了云服务提供商满意度模型;最后,基于租户虚拟机启动时间与系统资源损耗建立了多目标约束优化模型,并提出了一种基于综合满意度（Comprehensive Satisfaction Based,CS-B）的虚拟机放置策略,该策略综合考虑了云服务租户与云服务提供商的需求,将租户所申请的虚拟机放置到综合满意度最高的服务器中运行。在OpenStack云平台上的仿真实验表明,CS-B虚拟机放置策略能够有效减少租户虚拟机在云端的部署时间,降低数据中心的资源损耗,有效提高了云服务商及租户的满意度。     

基于多模型模糊核聚类方法的污水处理过程软测量建模

针对污水处理过程高度非线性及强耦合性的特点,基于多个模型的组合可以提高模型精度和鲁棒性的思想,提出了一种基于 模糊核聚类的多最小二乘支持向量机的软测量建模方法。该方法根据不同工况使用模糊核聚类算法对输入数据进行聚类划分,针对 每个聚类子集用最小二乘支持向量机方法建立子模型,最终通过子模型切换策略得到系统输出。在污水处理过程仿真平台展开验证 工作,对生化需氧量BOD的软测量进行建模,获得了良好的实验结果。     

一种求解阻塞流水车间多目标调度的离散差分进化算法

针对流水车间中产品不存在缓冲区的多目标优化问题,研究了阻塞流水车间的最大完工时间和总流程时间的最小化问题,提出了一种多目标离散差分进化（Multi-objective Discrete Differential Evolution,MDDE）算法搜索Pareto最优调度解。MDDE的变异个体通过非支配解或当前解的邻域随机产生,实验个体通过交叉操作产生,而选择过程则设计为一种多目标选择策略。此外,算法还混合了一种基于插入的Pareto局部搜索方法。基于标准测试算例的数值仿真实验表明,MDDE算法获得的非支配解集在Inverted Generational Distance、Set Coverage和Hypervolume性能指标上均有较好的表现。     

MEM模型在多传感器多目标无源定位与跟踪中的应用

针对多传感器机动多目标无源定位问题的目标数量多、定位难的特点，采用复合弹性系数神经网络模型对该问题进行建模，并进行组合优化，以期能利用多个传感器较准确地对多个机动目标进行无源定位与跟踪。仿真结果表明该模型能有效地锁定真实目标，当多个目标较分散或较集中时，该模型仍能有效锁定和跟踪。     

不确定条件下的零等待F1ow shop生产调度问题

研究了处理时间不确定条件下,含零等待模块的模糊Flowshop生产调度问题;采用三角模糊数描述处理时间的不确定性,用零等待策略对加工过程进行约束,建立了基于模糊规划理论的零等待Flowshop调度模型,通过中间值最大隶属度的方法,将原有的模糊调度模型转化为清晰的调度模型;最后应用改进的模拟退火算法对模型进行仿真优化,制定了适用于实际排产过程中的GANTT图,仿真结果说明了调度模型的正确性和改进算法的有效性。     

基于MedModel的援潜救生医疗队救治流程仿真应用

目的 对救援流程和医学保障组人员分配进行优化,为卫勤保障能力的评估提供新的手段和方法。方法 采用MedModel软件,针对援潜救生医疗队人员组成和工作流程建立救治流程仿真模型,根据５种不同的伤员出水方式进行建模,分别仿真计算出各种出水方式下的平均等待时间。结果 根据所建的伤员出水模型,计算各种出水方式进行平均等待时间并优化医疗资源布局,使伤员的总体等待时间均符合援潜救生医疗队的要求。结论 本模型通过对援潜救生医疗队救治流程和人员配备的优化,节省了医疗资源,缩短了伤员的总体等待时间,为卫勤保障能力的评估提供新的手段和方法。     

基于GA-RL算法的多Agent电梯群控系统

针对电梯群控系统这一类复杂的派梯优化决策问题,应用多Agent的理论与技术,建立了系统强化学习模型。提出了一种基于GA算法的多Agent强化学习方法,给出了具体算法的一般描述。建立电梯群控调度系统的虚拟仿真环境,并与其他算法进行了对比研究。仿真结果表明：该方法在提高强化学习的效率和收敛速度,改善种群结构等方面收到了很好的求解效果,为电梯群控系统的优化调度决策提供了一种较好的途径。     

PTA装置溶剂脱水系统中共沸剂回收塔的动态模拟及控制

针对以醋酸正丙酯为共沸剂的工业醋酸回收系统中的共沸剂回收塔,基于Aspen Plus和Aspen Dynamics平台在稳态模型的基础上对其进行了动态模拟及动态控制策略研究,设计了两种控制结构并分别对其动态响应特性进行了分析。结果表明,本文方法通过直接调节供热流股来控制灵敏板温度具有更好的控制性能,并且能在扰动出现后更快、更稳地达到所需分离要求,回到稳态值、缩短过渡过程并减少相应的物耗及能耗损失,为以后进行共沸剂回收过程的动态实时优化、先进控制等研究以及实现PTA装置的高效优化运行提供有用的理论基础。     

芳烃二甲苯异构化反应过程动态模拟

动态模型是化工过程进行控制系统设计和动态优化的基础。本文基于二甲苯异构化反应机理,基于Aspen过程模拟软件平台实现了二甲苯异构化单元的稳态和动态模拟,重点分析了异构化反应过程关键运行指标乙苯转化率、二甲苯异构化率以及芳烃损失在其关键操作变量——反应温度、反应压力以及反应器进料流量等变化情况下的动态响应。模拟结果表明：所建立的动态模型与稳态模型具有较好的一致性;在反应温度、反应压力以及进料流量阶跃变化时,异构化反应过程中的乙苯转化率、对二甲苯异构化率和芳烃损失变化情况符合实际情况;建立的控制方案可满足生产操作过程在不同稳态操作工况之间的切换。仿真结果验证了本文所述方法的有效性,为进一步的动态优化工作提供了可靠模型基础。     

基于Stateflow与排队论的应急医疗救援仿真系统的设计

目的：设计并实现一种应急医疗救援仿真系统,通过模拟不同条件下的救援过程为优化救援策略与医疗资源配置提供参考。方法：首先利用Stateflow工具构建包括伤员到达、检伤分类及救治模块的主模拟单元,其次,添加相应的事件及响应函数,并在Simulink中建立系统参数输入与特性显示单元,最后模拟并分析了两种救援策略下的伤员救治过程。结果：系统能够模拟不同策略的医疗救援过程,两种策略中A类伤员均能得到及时救治,其中,策略1中B类伤员等待时间短,但救治人员工作强度大,策略2中B类伤员等待时间较长,但救治人员的工作强度低。结论：通过对实际难以展开的应急医疗救援过程进行模拟,验证了系统的可行性、有效性;不同救援策略在伤员等待时间与救援人员工作强度方面各有优劣,实际救援中指挥人员可将两种策略结合使用,以实现伤员等待时间与救援人员工作强度间的动态平衡。     

基于预测控制的冷、热、电联产型微电网能量管理

由于可再生能源出力特性和微电网运行约束等限制,如何进一步提高微电网中可再生能源消纳量已成为研究热点。本文在冷、热、电联产型微电网中引入用于提高可再生能源消纳量并承担部分热、冷负荷的电锅炉、吸收式制冷机和压缩式电制冷机装置,提出了基于预测控制的微电网能量管理方法。综合考虑网内各单元的工作特性,建立满足实际运行约束的冷、热、电联产型微电网能量管理模型。在孤网运行模式下,兼顾储能装置容量期望以及各单元运行特性,构建微电网能量管理优化目标。利用预测控制滚动优化策略以及可再生能源输出和冷、热、电负荷需求的预测结果,建立带有逻辑变量的有限时域优化问题,实现基于预测控制的微电网最优能量管理。仿真结果表明：引入电锅炉、吸收式制冷机和压缩式电制冷机装置可以达到提高微电网中可再生能源的消纳量、减少燃料消耗、降低运行成本的目的,预测控制中的滚动优化策略能够有效消除可再生能源输出的不确定性和冷、热、电负荷需求波动性带来的影响。     

基于支配度迁移模型的多目标生物地理学优化算法

针对传统多目标算法在解决MOPs问题时会出现Pareto前沿收敛结果不好、解集分布性不佳的情况,提出了基于支配度迁移模型的多目标生物地理学算法（MOBBO）。新的迁移模型充分利用了Pareto解之间的支配信息,有助于算法进行有效的个体评价和栖息地排序;为了强化算法的收敛效果,提出了基于优选特征库的自适应迁移策略,以便产生携带较好特征的候选解强化搜索能力;同时为了增强算法进化中Pareto解集的分布性,提出了改进的KNN密度估计方法淘汰过密的个体。通过ZDT和DTLZ系列测试函数以及MDI缩合过程的多目标问题优化上的比较,验证了MOBBO算法具有较快的收敛性和较好的分布延展性。     

基于改进蚁群算法的多目标Job-shop动态调度

实际作业车间调度中多目标的动态优化更符合生产的需求。利用多目标优化问题的Pareto解集思想构建最大完工时间最小以及总拖期时间最小的数学模型,以事件驱动作为动态调度策略实现作业车间的动态调度。采用多目标蚁群算法优化启发式算法,并对算法的转移概率及全局信息素更新进行改进,加快算法的搜索收敛速度同时避免陷入局部最优。仿真实验证明,改进后的算法能实现Pareto前沿较好的均匀性与分布性,对双目标调度以及单个目标独自调度时的甘特图对比,表明双目标优化算法能更好地平衡各个目标的解。最后对急件插入以及机器故障两种动态事件进行仿真,验证了改进蚁群算法在实际动态调度中有较好的实现。     

基于精英策略的遗传算法在功能验证中的应用

针对集成电路功能验证中覆盖率收敛较慢的问题,通过分析简单遗传算法（SGA）中精英个体的特征,提出了一种应用于功能验证的精英策略。将本代优秀个体和本代适应度高的历史优秀个体视为精英个体,给予额外交叉机会。基于本文策略的精英遗传算法（EGA）可得到覆盖率广、重复性低的验证向量,缩短功能验证的时间。采用互相关函数的硬件计算单元作为验证模型,在Matlab中模拟功能验证的过程,实验结果表明：与SGA相比,EGA使验证时间缩短了14.8%,功能覆盖率从93%提高到95%,有效地提高了功能验证效率。     

基于混沌优化算法的连续生产过程重调度与库存优化

针对流程工业企业的订单发布和原料供应等外部环境的不确定性,建立了具有订单需求约束、生产能力约束、原料供应和成品库存约束等约束条件的连续生产过程重调度模型,运用混沌优化算法进行求解,仿真结果表明了该模型的可行性和有效性,通过重新调整各时间段内各个订单的生产率,可合理控制库存量,减少库存费用,降低企业生产成本。