章节9-3 模拟退火方法.pptVIP

模拟退火法 针对过程系统连续变量优化问题中普遍存在的多峰现象，初步探索了应用模拟退火法求解全局最优解的问题。针对变量只有上下限不等式约束的问题，根据连续变量问题的特性，提出了一种相邻状态的产生函数，并分析了模拟退火过程的起始温度、终止温度以及降温速度对优化计算的影响，给出了这些参数的适宜区域，通过三个例题的计算，将模拟退火法与传统优化方法一基于梯度的方法进行了对比分析，结果表明该方法能够有效地解决传统的确定型优化方法所不能奏效的全局最优解问题。 　　目前应用数学规划方法，尤其是非线性规划方法进行优化计算时，遇到的一个最难解决的问题就是求全局最优解。由于非线性规划问题绝大多数是多峰的，存在局部最优解，对于不同的决策变量初值，往往得到不同的最优解，导致这类方法的应用受到很大限制。过程系统的优化综合[1，2]及换热网络的柔性分析[3，4]都可转化为非线性规划问题进行求解，但由于非线性规划本身的求解方法存在上述困难，使得这些过程系统优化方法及柔性分析方法难以进行实际应用。上述问题要求对连续变量全局最优解具有较好的处理方法，迄今为止已有许多学者对这一问题进行了研究。在化工领域，G.R.Kocis[5]和G.A.Floudas[6]对该问题进行了一定的研究。Kocis的方法是通过外近似和等式松驰算法以及两阶段策略进行求解；Floudas的方法主要是将变量分为复杂变量和非复杂变量，从而将问题分解为多个凸域子问题分别求解，然后得出全局最优解。但是这些方法既不能从数学上严格地保证达到全局最优解，而且求解过程比较冗长，不便于工程实际应用。 另外一种处理局部最优的方法，是通过改变初值点进行多次优化寻找全局最优点，该法具有简明易行特点，但更无法保证得到全局最优解。从文献调研可知，不论从理论上，还是从现有方法上，连续变量的全局优化问题是一个很难解决的问题。针对这一情况，本文将探索一种较为有效而又简便实用的方法。随着应用数学方法的发展，到80年代初，S.Kirkpatrick提出了模拟退火方法，该方法应用于复杂的组合优化中得出了很好的结果。这类方法是一种模仿系统冷却过程的随机算法，在理想状态下可以得出全局最优解。目前这类算法在离散问题的优化中已取得很好的效果。在化工领域中，A.N.Patel将其用于多产品间歇的生产的予设计也很有效，但在连续变量问题的优化上尚缺乏系统的研究。本文旨在将此方法应用于连续变量问题求解全局最优解进行探讨。 1　模拟退火方法概述 　　模拟退火法是模拟金属退火的一种计算方法，这种方法如何寻找全局最优解呢？统计力学表明，在状态γ下，原子能量的概率分布在给定温度T满足Boltzman方程： 　　　 其中E（γ）为状态γ的能量，kB为Boltzman常数，Z（T）为为概率分布的标准化因子。在任意温度下，平衡状态最可能在原子能量最低的状态达到，这与组合优化问题有相似之处。如将能量状态看成组合优化问题中的一个状态，能量为费用函数，原子的振荡用数学中的点与点之间的迭代描述，那么，寻求能量最低点的问题也就转化成求费用函数最小值的问题。Kirkpatrick将此方法首次应用到组合优化问题中。以往的优化算法主要是确定型算法，其主要缺点是最终结果完全取决于初始点，因而可能是一个局部最优点。 其中C为目标函数，XD和XU分别表示X的上限和下限。这类约束条件是在化工过程总是中常遇到的。 min C(X) s.t.XD ?X ? XU (3) 例1　min C(X)= 4+4.5x1-4x2+x12+2x22-2x1x2+x14-2x12x2 s.t. -8.0 ? x1 ? 8.0, -8.0 ? x2 ?8.0 2.1　问题的提出 2.2　模拟退火实施方法 　　对一般模拟退火算法，首先要解决下述问题： 　　（1）相邻状态接受准则。当X从某一状态Xo变为新的相邻状态XN时，该新状态是否被接受作为新的迭代点，需要一个判断准则。可以求出XO和XN对应的目标函数为CO和CN，如果CN ?CO，则目标函数下降，新的状态一定是可接受的；如果CN＞CO，则目标函数上升。求概率P＝exp(-ΔC/T).其中ΔC＝CN－CO，T为当前退火温度。产生一个0－1间随机数R，如果P ?R，则接受XN为新的状态取代XO，否则不接受XN，仍以XO继续迭代。 　　(2)起始温度Ti。模拟退火的起始温度Ti要取得足够大使exp(- ΔC/Ti)　　1,但为了减少计算量，Ti不宜取太大。 （3）终止温度TE。应该是T趋向零时判别终止，但由于使T＝0需迭代无穷多次，故取TE为一较小数使exp(- ΔC/TE)　　0. 　(4)某一温度Tk到下一温度Tk+1的降温速度。 　Tk到Tk+1的降