基于改进协同优化算法的流程工业多目标生产调度研究

摘要

在流程工业中，生产调度是流程企业生产管理的核心，其对提高流程企业的经济效益和市场竞争力有着重要的作用。生产调度问题是一种NP-hard优化问题，具有复杂性、多约束性和多目标性，因此寻求一种高效的优化算法对调度问题的研究是非常必要的。而协同优化算法(CO)是一种多学科优化方法，可以对复杂生产调度问题进行分解，协同优化多目标，减小生产调度问题的求解难度，所以将CO算法应用于流程工业生产调度具有重要的研究意义。本文主要的研究内容如下：
　　(1)针对协同优化算法计算量大、优化结果多为局部最优解的问题，提出了一种改进的协同优化算法(ICO)。首先，在系统级一致性等式约束中采用改进的松弛因子，使系统级优化可行域存在，且可行域的范围逐步减小，以保证子学科间的一致性；其次，在子学科中，将目标函数分为一致性目标函数和子学科最优目标函数两个部分，以不同的权重相加作为子学科的目标函数，既考虑了子学科间的一致性，又兼顾了子学科的独立性。采用两个经典案例对改进算法进行验证，优化结果表明，改进的算法具有更好收敛速度和可行性。
　　(2)将ICO算法应用于求解多目标优化问题，从而提出了基于ICO的多目标协同优化方法(MOICO)：利用协同优化算法的两级分解结构，将复杂的多目标问题分解为多个子学科，每个子学科优化一个目标函数，同时利用系统级加权和目标函数对各个子学科进行协同，以保证多个目标达到整体最优。通过对两个标准的多目标测试案例进行仿真，验证了MOICO算法求解多目标优化问题是可行的。
　　(3)以设备的分配和加工能力、资源的供应限制、物料平衡等为约束建立了流程工业多目标生产调度模型，并应用于某啤酒厂糖化车间生产调度实例。采用MOICO方法将该调度实例分解为产能、水能耗和热能耗三个子学科，各子学科分别以产量最大、水资源消耗最低和热能资源消耗最低为目标进行优化，并且设计了用于求解协同优化算法中系统级和学科级的遗传算法。通过对该调度实例的仿真，验证了调度模型的有效性和MOICO算法求解多目标生产调度问题的可行性。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题研究背景及意义

1.2 流程工业生产调度的研究现状

1.3 协同优化算法的研究应用现状

1.4 本文主要工作及安排

第2章 协同优化算法的分析和改进

2.1 标准协同优化算法

2.2 协同优化算法的不足和改进

2.3 仿真案例

2.4 本章小结

第3章 基于改进协同优化算法的多目标优化

3.1 多目标优化问题数学模型

3.2 多目标优化方法

3.3多目标协同优化方法

3.4 本章小结

第4章 流程工业多目标生产调度问题研究

4.1 模型建立的基础

4.2 多目标生产调度数学模型

4.3 啤酒糖化车间生产调度仿真

4.4本章小结

第5章 总结与展望

5.1 全文总结

5.2 工作展望

致谢

参考文献

附录