基于有限存储简约空间序列二次规划算法的研究.pdfVIP

第 12卷 第5期 电路与系统学报 Vo1．12 No．5 2007年 10月 JOURNALOFCIRCUITSAND SYSTEM S October， 2007 文章编号：1007-0249(2007)05—0108—07 基于有限存储的简约空间序列二次规划算法研究 江爱朋 ，一， 邵之江2， 方学毅2， 郑小青2， 钱积新2 (1．杭州 电子科技大学 自动化学院，浙江 杭州 310018；2．浙江大学 工业控制技术 国家重点实验室 系统工程研究所，浙江 杭州 310027) 摘要t为了求解过程系统中 自由度相对较大一些 的大规模优化命题 ，对简约空间序列二次规划 (reducedsuccessive quadraticprogramming，RSQP)算法进行 了改进和扩展，提出了基于有限存储的简约空间序列二次规划算法．该算法通 过有限存储技术隐式的表示RSQP算法中的两个最大矩阵，大大减少了优化计算过程中的存储需求，并对有限存储技 术应用到 RSQP算法中后 Hessian阵的更新和基变量的选择进行了特殊处理。该算法的求解性能通过 benchmark算例 进行了测试，并被应用到两个过程系统优化实例。计算结果表明，采用该方法求解 自由度相对较大的问题可以大大减 少内存消耗，从而可大大提高算法的优化求解效率。 关键词t优化；有限存储；简约空问；序列二次规划；自由度；BFGS； 中圈分类号tTP202．7 文献标识码 tA 1 引言 近20年来，序列二次规划 (sequentialquadraticprogramming，SQP)算法的计算性能和强大的非 线性处理能力已经得到广泛承认 J【J，并被成功应用于许多流程工业优化命题的求解 3【】。序列二次规划 算法通过求解一系列的二次规划子问题 (sequentialprogramming，Qr,)来获得原问题的最优解，该 Qr,子问题的求解过程中涉及到一胛×胛维的Hessian阵，且该阵是稠密的，对大规模优化命题，Hessian 阵存储和计算对优化计算带来很大困难，导致优化求解难 以进行。为此简约空间序列二次规划算法 (reducedsequentialquadraticprogramming，RSQP)被提出4【~6J，该算法针对 自由度相对较小的优化命～ 题，通过空间分解技术，在相对较小的零空间求解 Qr,子 问题，由于该方法只需存储和计算相对小很 多的简约 Hessian阵，且构造灵活，可以利用优化命题的稀疏结构信息，该方法可用于求解 自由度相 对较低的大规模优化命题，因而得到大量应用，被应用于反应优化、过程系统、流体优化计算等方面 [7I8] 。 但是在过程系统优化中仍然存在许多优化命题，其 自由度相对较大 (变量维数与模型方程维数相 差较大)，采用RSQP算法求解具有很大难度，采用SQP算法更是无法求解。例如对于变量维数为 30000 维，等式约束为 20000维的优化命题，命题的自由度为 10000，若采用 SQP算法求解，仅 Hessian阵 的存储就需要 7200Mbt，采用 RSQP算法求解时，简约 Hessian阵和二次项中的矩阵的存储也需要 2400Mbt，由于算法在整体计算过程中消耗的存储量是这些大型矩阵的数倍，所以对于以上优化命题， 目前的计算机可提供的内存远远不足，即使采用RSQr,算法也无法求解 以上优化命题。 为此本文对 RSQP算法进行了扩展，提出了基于有限存储 (LimitedMemory)的RSQP算法 。该 方法采用有限存储机制隐式的表示简约 Hessian阵和二次项计算中的大型矩阵，在算法中只存储与这 两个大型矩阵相关的信息对，而不直接存储这些大型矩阵，这样算法中的存储量和 Hessian阵更新过 程中的计算量就会大大降低，从而用于更大规模优化命题的求解，并可使得算法的优化求解效率大大 提高。采用有限存储方法隐式表示简约空间 Hessian阵和二次项中大型矩阵时，算法中与这些矩阵相 关的计算等环节需要改变。为此，对有限存储应用到 RSQP算法后的某些计算环节进行了特殊处理。 为了验证扩展后RSQP算法的性能，本文采用一些Benchmarking算例对算法进行了测试。 收稿 日期 ·2005—05—23 修订 日期：2006—04—25 基金项 目·国家 自然科学基金