朱春梦 ，蓝兴英 *

1 中国石油大学(北京)人工智能学院，北京 102249

2 中国石油大学(北京)重质油国家重点实验室，北京 102249

*通信作者, Lanxy@cup.edu.cn

0 引言

化工流程模拟软件目前已广泛应用于石油化工行业。通过流程模拟手段对工艺过程中的操作参数进行数值调整，寻找最佳工艺条件，从而达到节能、降耗、增效的目的[1]。然而流程模拟中操作参数具有多样性和复杂性，体现在每一个操作单元都有其对应的操作参数，且多个操作单元之间互相影响，人们多基于工艺机理知识和经验给定操作参数数值，或者对几个关键操作参数进行灵敏度分析寻优，此方法耗费了大量的时间成本，且无法确定所选取的操作参数数值为最佳数值，仅获得一种能够达到较好工艺效果的操作方案[2-4]。

通过优化算法来获得最佳操作参数是近年来一个非常有前景的研究方向。传统优化算法虽然能够较好解决结构化问题以及单极值问题，但面对复杂的化工过程，具有普适问题描述，能够找到全局最优以及能够较好解决多极值问题等优势的启发式智能算法受到了学者们的广泛关注，其中熊俊文等[5]利用遗传算法实现了催化裂化分馏塔操作参数的最优化设置，保证了分馏塔重石脑油流量和轻柴油流量的同时最优；王珊珊等[6]介绍了基于约束骨干粒子群算法的化工过程动态多目标优化问题，并将其应用到解决间歇反应器的优化问题中，指出该方法可通过结合偏好等信息控制冷却剂的流率来最大化主产物浓度和最小化副产物浓度；……