殷衛兵，羅雄麟，齊　崢，陶　雪，翁興勇

中國石油大學自動化系，北京

中國石油大港石化公司，天津

摘　　　要：遺傳算法具有很好的全局尋優能力，但在接近較優點時易波動，使得尋優時間加長；可變容差法作為很好的局部尋優算法，卻對初始點要求較高。針對這兩種算法的優缺點，設計出以遺傳算法作為初始優化方法，在滿足一定收斂條件后，使用可變容差法進一步尋優的兩步式優化方法。經過Ｒｏｓｅｎｂｒｏｃｋ函數優化驗證，證明這種兩步式優化算法克服了原有單一算法的缺點。以流程模擬為基礎，仿真驗證了常壓蒸餾塔能耗目標的操作優化，達到了預期效果，具有較好的實踐意義。

關　鍵　詞：遺傳算法；可變容差；兩步式優化；流程模擬；常減壓蒸餾

１　引　言
遺傳算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ，ＧＡ） 能夠很好的解決復雜優化問題，具有很好的全局搜索能力，作為全局優化方法，它對初始點沒有特殊要求，擴展性好，易于和局部優化算法等方法結合。基于遺傳算法的滾動優化策略消耗時間相對較多，雖然在運行前期尋優速度較快，但當接近較優解時會出現左右擺動，這就降低了尋優速度。當該方法應用于對時間要求嚴格的在線優化時，這一缺陷就直接影響到算法的可行性，使其應用受到限制［１］。可變容差法（ＦｌｅｘｉｂｌｅＴｏｌｅｒａｎｃｅＭｅｔｈｏｄ，ＦＴＭ）通過對初始點按照規則構造多面體，對多面體進行各種操作產生相鄰解，這種算法簡單、易行，對目標函數的導數沒有要求，并且它的搜索方向總是背離函數較大值，使目標函數始終向下降方向搜索，這就大大縮短了優化時間，并具有更高的精度和穩定性。但由于可變容差法對初始點具有較強依賴性，初始點的選取直接影響到尋優效果，并且求解過程中很難發現可能存在的新的較優解區域，常陷入局部極值［２］。

登錄網站后可下載文件