复杂工业中高维耦合优化问题的解空间多层次立体分割优化理论研究

With the application of " Soft" optimization techniques, more and more complicated optimization problems has been modelled in complex industrial process.When the dimension of the model increases, the existing general optimization methods are often unable to provide a complete, efficient solution.For high-dimensional coupling optimization problems abound in complicated industrial process, considering the fact that large amounts of historical process data are availabe,a novel theory, named solution space multi-level cross partition optimization theory is proposed.. Its main research contents and ideas are summarized below:. (1)Analyze optimization variable's correlation relationship based on industrial process historical data.. (2)Establish the optimization model of solution space multi-level cross partition according to the mined correlation relationship information among optimization variables. " Multi-level" is realized by variable correlation degree, and " cross" by different main variables' combination.. (3)Explore the multiple and parallel solutions in the subspaces consisting of main variables.. (4)Explore the Mapping method of optimization results from subspaces to global solution space, and solve the problems in global solution space.. To sum up, our project's proposed theoretical framework and its components' implementation will provide a feasible solution for solving the high-dimensional coupling practical optimization prolbems existed in complicated industry.

"软"优化技术的应用，使得复杂工业过程产生了愈来愈多的复杂优化问题。而随着模型维数的增加，现有的通用优化方法往往无法为其提供完整、有效的解决思路。针对其高维、耦合的特点，且考虑到工业现场有大量历史数据可供利用的有利条件，项目提出基于变量相关关系的解空间多层次立体分割优化理论。.其主要研究内容和思路如下：. （1）基于工业过程历史数据的优化变量间相关关系分析。. （2）依据变量相关关系，建立解空间多层次立体分割优化模型。"多层次"由变量相关程度实现，"立体"由不同的主干变量组合实现。. （3）探讨由主干变量组成的子空间内的优化问题的多样化并行求解方法。. （4）探讨子空间优化结果向全局解空间的映射及全局空间优化问题的求解方法。. 该理论框架的提出及其各组成部分方案的具体实现将为解决复杂工业现场中的高维耦合应用优化问题提供一定的理论依据和可行的解决方案。

随着信息技术在工业现场的深入应用，大量信息得以存储，越来越多的工业问题可以通过建模---优化的思路得以解决，因而对复杂优化问题的求解也提出了更高的要求。项目即针对复杂工业现场的高维耦合优化问题开展研究。.项目主要完成的工作包括：（1）解空间多层次立体分割理论研究：提出了基于变量相关度的解空间分割方法，首先通过SOM对变量进行粗筛，基于变量相关度实现了解空间的聚类分割。（2）并行搜索机制研究：对子种群规模采样函数构造，子种群内部粒子分配，子种群间粒子的迁移策略，通讯周期的设定四个方面进行了重点研究。（3）子空间内群智能优化方法搜索能力的改进研究：通过引入镜面边界约束处理法、自适应混沌因子、分阶段搜索法和全局最优信息等方法分别对遗传算法、粒子群算法、猫群算法、人工鱼群算法的全局收敛性能进行了改进研究。（4）优化理论应用验证：建立了印染定型过程综合能耗模型，利用提出的优化方法对其进行了优化求解，得到了过程变量在最小能耗下的最优工作点。.项目所提出的解空间分割、并行搜索框架能够在一定程度上解决大规模优化问题难以获得全局最优解的难题。对群智能搜索算法的改进研究进一步提高了算法的整体搜索效率和收敛性能。.复杂工业过程中高维耦合优化问题的研究，充分利用已有数据及其特点，可为大数据时代工业过程控制和优化提供理论基础和技术支持，对工业现场的优化应用也有一定的指导作用。