化工过程分析与合成 (45).pdfVIP

6.2.3 数学规划 优点：数学规划法具有严格的数学理论基础，可以保证得到 特定评价指标下的最优分离序列。 缺点：计算量过大。 方法：动态规划、分支定界、有序分支搜索和有序搜索等。 动态规划法 研究对象：多阶段决策问题 多阶段决策问题：整个过程可以分为若干个阶段，在每一 阶段都需要做出决策，以使整个过程取得最优效果。 策略：各阶段决策所构成的决策序列。动态规划就是要选 取一个最优策略。 精馏分离序列综合问题 → 多阶段决策过程 R组分精馏分离序列综合 → 可以看成是R-1阶段决策过程。 4组分精馏分离序列综合问题，由起点到终点的决策序列： 在进行所有可能多组分子群分离决策时，动态规划法需要 计算全部独立分离单元。 动态规划的最优化原理为： “作为整个过程的最优策略 具有这样的性质，即无论前面的状态和决策如何，对前面的 决策所形成的状态而言，余下的各阶段策略必须构成最优策 略”。根据此原理，在问题求解时各状态前面的状态和决策， 对其后面的子问题只不过相当于其初始状态而已，并不影响 后面过程的最优策略。为此，可以把多阶段决策问题的求解 过程看成是一个连续的递推过程，由后逐阶段向前推算。 动态规划法综合最优分离序列 子群 子问题 最小 分离费用 总费用 最优序列 (AB) A/B 0.5909 0.5905 (BC) B/C 1.196 1.196 (CD) C/D 0.7198 0.7198 (DE) D/E 3.272 3.272 (ABC) A/BC 0.9260 0.9260+1.196=2.122 AB/C 3.881 3.881 + 0.5905=4.4714 (BCD) B/CD 1.305 1.305 + 0.7198=2.0248 BC/D 0.9041 0.9041+ 1.196=2.100 (CDE) C/DE 0.9394 0.9394 + 3.272=4.2034 CD/E 3.144 3.144+ 0.7198=3.8638 (ABCD) A/BCD 0.9935 0.9935+2.0248=3.0183 AB/CD 4.208 4.208+0.5905+0.7198=5.5183 ABC/D 0.9806 2.122+0.9806=3.1026 6.3 分离序列综合启发方法 分离序列综合经典方法随着问题规模增大都将面临着时空代价 难以承受等问题，软计算智能解决大规模复杂组合优化问题快 捷有效，融入软计算智能的启发方法是经典方法的自然拓展。 软计算智能泛指软计算（SC，Soft Computing）或计算智能 （CA，Computational Intelligence ）： 人工神经网络 （ANN ，artificial neural network ）、模糊推理系 统 （FIS ，fuzzy inference system ）、遗传算法 （GA ，genetic algorithm ）、模拟退火 （SA，simulated annealing ）和禁忌搜索 （TS ，tabu search ）等。 神经网络和模糊推理是软计算智能的精髓所在。神经 网络通过大量神经元互联机制分布存储模