魏良霄,张 婷,党乐平,郝 琳

(天津大学化工学院,天津 300072)

为了在全球市场上保持竞争力,优化生产流程的设计和管理是重中之重。 间歇化工过程以其技术密集性、动态性、多样性、灵活性和不确定性等特点在化工及相关行业中发挥着重要作用[1]。 虽然在间歇过程的设计和优化方面均有了很大的进展,但由于这是一个离散变量和连续变量共存的混合整数非线性规划MINLP (Mixed-Integer Nonlinear Programming)问题[2],求解过程中目标函数的复杂度随着变量的数量变化呈指数增长趋势。 所以对问题进行建模和求解仍然相当困难[3]。

差分运算是间歇过程设计中最早使用的方法[4],但解决方案的复杂性使得该方法很快被分支定界法[5-6]、数学规划法和其他启发式方法所取代[7-8]。 然而,这些方法即使是在解决简单问题的过程中就非常麻烦,显然不适合解决大规模问题。人工智能算法或通过多种方法相结合的方式来解决上述问题获得了成功的应用。 Loonkar 和Robinson[9]使用迭代方法来最小化设备投资。 Yeh等[10]使用启发式算法讨论单一产品化学过程的综合问题。 郑国文等[11]基于Yeh 的研究通过添加中间存储单元,进一步研究了这一过程。 Kirkpatrick等[12]提出了模拟退火算法(SAA),Yuan 等[13]在间歇过程的设计和调度中使用了该算法。 杨志才等[14]提出了一种分解策略,然后引入了基于该策略和随机算法的组合算法来解决间歇过程优化的MINLP 问题。 正如Moniz 等[15]所指出的,我们仍然需要新的方法,它应该对启发式方法和智能优化算法进行整合,以解决现实中更加复杂的问题。……