论文部分内容阅读
油品调合的目的是在满足产品质量指标的前提下,合理使用调合组分,高质高效地生产出合格产品。在原油多样化、劣质化,环保要求日趋严格,柴油产品等级不断提升的严峻形势下,研究适用于求解面向实际生产过程的大规模柴油非线性调合模型的实时在线求解技术,对提高柴油产品质量、降低生产成本、保护环境、增强炼油企业的核心竞争力具有重要意义。本论文针对实际工业生产中大规模柴油非线性调合模型的特点,提出了基于Pareto准则的多目标柴油非线性调合模型。在算法方面,首先结合单纯形全局优化算法,提出了线性约束剖分的变量范围缩减技术；结合多目标Pareto准则、和声搜索算法和文化算法,提出了多目标文化和声搜索算法(MO-CHS, Multi-Objective Cultural Harmony Search Algorithm)。在此基础上,提出了单目标单纯形文化和声搜索算法(SCHS, Simplex Cultural Harmony Search Algorithm)和多目标单纯形文化和声搜索算法(MO-SCHS, Multi-Objective Simplex Cultural Harmony Search Algorithm).上述算法有效地解决了大规模单目标和多目标柴油非线性调合的实际生产问题,大量的仿真实验结果验证了所提算法的有效性以及对于复杂工程问题的实用性。取得的主要研究成果如下：(1)创新性地提出了基于线性约束剖分的变量范围缩减技术。针对NLP模型,首先将模型中的所有线性不等式约束方程分离出来,组建以每个待求解变量的最大和最小为目标的一系列新的线性规划数学模型,并应用单纯形表格法编程实现了自动求解、自动更新所有变量的可行域范围的变量范围缩减技术。此技术可以在大规模NLP模型的求解中极大地提高各种NLP算法的效率和运算速度。(2)提出了单目标单纯形文化和声搜索算法(SCHS)。在HS算法、CHS算法和SCHS算法进行的NLP标准函数测试和单目标柴油非线性调合优化模型求解的对比试验中,验证了SCHS算法的有效性和优越性。(3)提出了基于Pareto准则的多目标文化和声搜索算法(MO-CHS)和多目标单纯形文化和声搜索算法(MO-SCHS).在MO-HS、MO-CHS和MO-SCHS算法进行的多目标NLP标测试函数的对比试验中,验证了MO-CHS和MO-SCHS算法的有效性和MO-SCHS算法的优越性。(4)提出了基于Pareto准则的多目标柴油非线性调合模型。其中有两种双目标模型,一种三目标柴油非线性调合模型。并基于MO-HS、MO-CHS和MO-SCHS算法进行了求解,仿真计算验证了多目标模型的正确性和MO-SCHS算法的有效性。