1、基于遗传算法在精馏分离优化模型中的应用,分离网络综合问题的描述,对混合物原料经过多种操作以生产不同组成的多个混合物产品的分离问题称为分离网络综合问题。 定义：多组分混合物原料分离成多个多组分目标产品的网络，其中包含分流器、混合器和精馏塔,表1 原料及产品组成表,分离网络综合问题的超结构,分离网络综合问题超结构的定义,分离网络综合问题超结构的建立框图,分离网络综合问题超结构中不同变量间的关系,。在超结构中用N1阶列矩阵表示流股的组成，其中N为原料中含有的组分数。对于表1中的A、B、C、D四种组分，可用41阶矩阵表示产品及原料的组成：,Creativity,P1=,Feed=,P2=,P3=,分离
2、网络综合问题的超结构定义,用S表示精馏塔，Si中的下标i表示从i号分割点进行分割。与表1的分离网络综合问题对应的精馏塔类型及分离难度系数见表2,表2 精馏塔类型及分离难度系数,分离网络综合问题的超结构定义,从进料开始；,对于输入的流股有多少种可能的分割进行判断，假设有n种可能的分割；,将流股分流（n+1）支，其中n支进入精馏塔，1支直接进入产品；,将流股分流（n+1）支，其中n支进入精馏塔，1支直接进入产品；,对n支流股进入精馏后塔顶、塔底产品分别判断 ；,是否单组分 流股,是否有组成 与此流股组成 相同的流股,流股合并,直接进入产品中,YES,NO,YES,NO,分离网络综合问题超结构建立步
3、骤,图3给出了表1分离任务的超结构,其中，x表示为进入不同处理单元（分离器、混合器、精馏塔）或者直接进入产品的分配系数。,基矩阵集合指在产生超结构过程中直接进入产品的流股的组成对应的基矩阵组成的集合，用T表示：,其中T(j)表示排序为基矩阵集合中的第j位的基矩阵。该例中产生的基矩阵集合为：，其中：,分离网络综合问题超结构 变量间的关系,=,分流器、混合器、精馏塔中分配系数关系示意图,分离网络综合问题模型的建立,模型建立的步骤 实例示范,分离网络综合问题模型的建立 模型建立的步骤,目标函数：,表示塔 的承载量之和,表示塔 的分离难度系数,CN 表示计算后塔的数目,t 表示罚函数： 对塔的数目进行
4、约束,在基矩阵集合中随机选择N个基矩阵，组成NN阶满秩方阵, 线性组合产生P(k)，求出分 配系数；,集合所选择的基矩阵及其对应的分配系数，若不同产品选择的基矩阵相同，其对应的分 配系数相加；,构建简化的优化模型；,分配系数的搜索范围设定为0x1对其进行计算，对简化的优化模型进行计算；,是否所有的产品都 通过此方式产生,是否收敛,返回函数值,返回一个很大的函数值,NO,YES,NO,YES,Step 1:,Step 2:,Step 3:,Step 4:,Step 5:,分离网络综合问题模型的建立 模型建立的步骤,Step 1,从基矩阵集合，即从T中随机选择4个基矩阵组成44阶满秩方阵线性组合产
5、生P1 ：,Step 2,用Step 1所述的方法产生P2，P3；,模型建立步骤实例示范,以表1的分离网络综合问题为例,Step 3,集合基矩阵及其分配系数 要想得到产品P1，P2，P3，需要基矩阵及其分配系数：,Step 4,构建简化的优化模型,Step 5,用MATLAB中的linprog()函数，分配系数的搜索范围设定为0x1,求解可得,初始化群体：按照Step1 Step5所述的方法随机产生m个独立的初始个体；,排序：对m个初始网络对应的目标函数值按照由小到大升序排列；,变异：列队中的家族根据它在列队中的位置决定组成P()的基矩阵中需要替换的个数,保留优秀的父代：重新计算目标函数值，比较每个家族变异前后的目标函数值，将函数值较小的保留下来作为家族的父代；,是否满足迭代终止条件,结果输出,YES,NO,分离网络综合问题的优化求解 优化求解框图,表4 初始化群体,表5 排序,分离网络综合问题的优化求解 实例示范,以表1的分离网络综合问题为例,表6 变异,表7 保留优秀父代,分离网络综合问题的优化求解 实例示范,分离网络综合问题的优化求解 计算结果,列队竞争算法求解参数设定：家族数目： 3 迭代 ：16,两个分离网络综合问题的求解结果如下表：,分离网络综合问题的优化求解 结果讨论,表8 两个实例求解情况一览表,
