專利名稱：一種用于大規(guī)模實時優(yōu)化的基于記憶增強(qiáng)的優(yōu)化方法
技術(shù)領(lǐng)域：
本發(fā)明涉及化工流程的模擬與優(yōu)化領(lǐng)域和其它實時優(yōu)化方法研究領(lǐng)域，特別地，涉及一種用于大規(guī)模實時優(yōu)化的基于記憶增強(qiáng)的優(yōu)化(Mnemonic Enhancement Optimization(MEO))方法。
背景技術(shù)：
隨著化工過程工業(yè)的發(fā)展，實時優(yōu)化以調(diào)整操作單元使得利益最大化變得越來越重要。大規(guī)模復(fù)雜化工流程系統(tǒng)的實時優(yōu)化的研究越來越引入關(guān)注。Aspen技術(shù)公司針對亨斯邁石化(Huntsman Petrochemicals)公司的計劃項目，應(yīng)用實時操作優(yōu)化使得產(chǎn)量提高5％，不到一年的時間效益顯著提高，同樣在霍尼韋爾(Honeywell)公司及英維思集團(tuán)的流程模擬與優(yōu)化(Simsci-Esscor)公司，應(yīng)用實時操作優(yōu)化，在3至6年內(nèi)就有所收益。因此實時優(yōu)化應(yīng)用于化工過程工業(yè)效果顯著，回報周期短。
在化工流程實時優(yōu)化中，要求實時優(yōu)化方法具有快速性，準(zhǔn)確性和好的收斂性。
對于大規(guī)模問題的求解優(yōu)化方法已經(jīng)發(fā)展較成熟了，比較好的優(yōu)化方法有序列二次規(guī)劃方法，內(nèi)點法，及共軛梯度法等等，這些方法在求解大規(guī)模問題方面具有快速性，準(zhǔn)確性和好的收斂性。而實時優(yōu)化的一個重要特點是對同一模型或相似模型不斷進(jìn)行重復(fù)的優(yōu)化。要求進(jìn)行優(yōu)化的原因可能是因為進(jìn)料條件改變或溫度壓力等參數(shù)改變，使得操作條件不在最優(yōu)的狀態(tài)下運行，必須在有限的時間內(nèi)，通過優(yōu)化調(diào)整操作條件，使其最優(yōu)。由于模型相同，只是參數(shù)變化引起最優(yōu)化操作條件的變化，因此可以考慮利用先前的優(yōu)化經(jīng)驗以減少當(dāng)前的優(yōu)化計算時間。2005年期間，W.Gao和S.Engell發(fā)明了一種基于迭代的優(yōu)化策略，根據(jù)先前的優(yōu)化經(jīng)驗來估計模型不匹配的優(yōu)化問題(W.Gao，S.Engell，Iterative set-point optimization of batch chromatography.Comput.Chem.Engng.29(2005)，1401-1409)。然而傳統(tǒng)的實時優(yōu)化方法僅僅利用當(dāng)前優(yōu)化的前一次優(yōu)化的結(jié)果作為初始點。這樣在求解大規(guī)模非線性模型時具有實時性差、收斂性能差、計算時間長、求解的魯棒性差等缺陷，從而很難滿足實時優(yōu)化中的快速性，準(zhǔn)確性和好的收斂性等要求。

發(fā)明內(nèi)容
本發(fā)明的目的是針對現(xiàn)有技術(shù)的不足，提供一種用于大規(guī)模實時優(yōu)化的基于記憶增強(qiáng)的優(yōu)化方法。
本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的一種用于大規(guī)模實時優(yōu)化的基于記憶增強(qiáng)的優(yōu)化方法，該方法為利用實時優(yōu)化過程中先前優(yōu)化得到的最優(yōu)解，建立解集的經(jīng)驗記憶庫，實時優(yōu)化過程中當(dāng)參數(shù)改變，利用先前的經(jīng)驗記憶庫，結(jié)合優(yōu)化問題的模型，合理地選擇數(shù)值逼近方法，估計此時優(yōu)化問題的最優(yōu)解，將其作為優(yōu)化計算的初始點，再利用求解器對優(yōu)化問題進(jìn)行快速有效地求解。
進(jìn)一步地，所述數(shù)值逼近方法為多階分段拉格朗日插值方法或高維多階分段拉格朗日插值方法。
進(jìn)一步地，該方法具體包括以下步驟(1)據(jù)模型特點，確定是單參數(shù)變化還是多參數(shù)變化，即參數(shù)的維數(shù)P，如果P＝1，選擇是用分段拉格朗日插值方法，否則，選擇高維分段拉格朗日插值方法；設(shè)置選擇的插值計算方法的階次N，設(shè)置經(jīng)驗記憶庫記錄條數(shù)Label＝0；(2)設(shè)置優(yōu)化次數(shù)K＝1，采用當(dāng)前提供的起始點應(yīng)用求解器進(jìn)行優(yōu)化求解；如果優(yōu)化成功保存優(yōu)化結(jié)果到經(jīng)驗記憶庫中，設(shè)置Label＝Label+1；(3)設(shè)置優(yōu)化次數(shù)K＝K+1，如果Label≥Number(N，P)，其中Number(N，P)為計算N階分段拉格朗日插值方法或高維N階分段拉格朗日插值方法所需最少節(jié)點數(shù)，轉(zhuǎn)(5)，否則繼續(xù)；(4)根據(jù)經(jīng)驗記憶庫中的記錄，采用0階分段拉格朗日插值方法或高維0階分段拉格朗日插值方法，估計當(dāng)前優(yōu)化計算的最優(yōu)點，將其作為優(yōu)化起始點，對問題應(yīng)用求解器進(jìn)行優(yōu)化求解；如果優(yōu)化成功保存優(yōu)化結(jié)果到經(jīng)驗記憶庫中，設(shè)置Label＝Label+1，轉(zhuǎn)(3)；(5)根據(jù)經(jīng)驗記憶庫中的記錄，采用N階分段拉格朗日插值方法或高維N階分段拉格朗日插值方法，估計當(dāng)前優(yōu)化計算的最優(yōu)點，將其作為優(yōu)化起始點，對問題應(yīng)用求解器進(jìn)行優(yōu)化求解；如果優(yōu)化成功保存優(yōu)化結(jié)果到經(jīng)驗記憶庫中，設(shè)置Label＝Label+1，轉(zhuǎn)(3)。
本發(fā)明的有益效果是(1)本發(fā)明的用于大規(guī)模實時優(yōu)化的基于記憶增強(qiáng)的優(yōu)化方法，在實時優(yōu)化計算方面具有快的計算速度以及好的收斂性，且具有好的魯棒性。
(2)本發(fā)明的用于大規(guī)模實時優(yōu)化的基于記憶增強(qiáng)的優(yōu)化方法，實現(xiàn)簡單，不依賴于一種求解方法，可任意選擇求解方法，應(yīng)用非常靈活。
(3)本發(fā)明的用于大規(guī)模實時優(yōu)化的基于記憶增強(qiáng)的優(yōu)化方法，與現(xiàn)有實時優(yōu)化方法相比，本發(fā)明采用的方法原理簡潔清晰，方便于計算機(jī)上實現(xiàn)，且靈活性很好，可任意選擇求解方法，可與當(dāng)前先進(jìn)的求解方法融合一體，充分發(fā)揮各自優(yōu)點，更好地滿足化工流程實時優(yōu)化的復(fù)雜要求。


通過以下結(jié)合附圖對本發(fā)明較佳的實施方式進(jìn)行描述，可以進(jìn)一步理解本發(fā)明的目的、特征和優(yōu)點，其中圖1為MEO通用代理服務(wù)器系統(tǒng)的示意圖；圖2為MEO具體實現(xiàn)流程的示意圖。
具體實施方案以下參照本發(fā)明的附圖對本發(fā)明作更詳細(xì)的描述。但是本發(fā)明也可以以許多不同形式實施，因此不應(yīng)認(rèn)為它局限于說明書列出的實施例，相反，提供這種實施例是為了說明本發(fā)明的實施和完全，以及能向本領(lǐng)域的技術(shù)人員描述本發(fā)明的具體實施過程。
圖1為MEO通用代理服務(wù)器系統(tǒng)的示意圖。如圖1所示，該系統(tǒng)包括著名流程軟件Aspen Plus及其AOS NLP/NLA接口、實時優(yōu)化方法MEO、NLP/NLA求解器和優(yōu)化方法MEO的經(jīng)驗庫。要對Aspen Plus中的化工流程進(jìn)行模擬或優(yōu)化，則通過其AOS NLP/NLA接口，調(diào)用實時優(yōu)化方法MEO，MEO作為代理服務(wù)器進(jìn)行模擬或優(yōu)化計算，包括提取經(jīng)驗記憶庫信息，應(yīng)用數(shù)值逼近技術(shù)估計模擬或優(yōu)化的解，再調(diào)用NLP/NLA求解器模擬或優(yōu)化計算，快速得到問題的真實解，將模擬或優(yōu)化結(jié)果保存到經(jīng)驗記憶庫中。
圖2為MEO具體實現(xiàn)流程的示意圖。如圖2所示，首先對模型參數(shù)和MEO方法參數(shù)進(jìn)行設(shè)置，然后調(diào)用MEO方法進(jìn)行模擬或優(yōu)化計算，MEO方法根據(jù)經(jīng)驗數(shù)據(jù)庫中的記錄，應(yīng)用數(shù)值逼近技術(shù)估計模擬或優(yōu)化的解，再調(diào)用求解器求解，失敗則結(jié)束，成功則返回模擬或優(yōu)化計算結(jié)果，并將結(jié)果存儲到經(jīng)驗記憶庫中，結(jié)束。整個MEO計算流程的實施是結(jié)合Aspen Plus 12.1 OOMF Script Language與AOS NLP/NLA Interfaces混合編程實現(xiàn)。其中MEO方法和更新經(jīng)驗庫是用AOSNLP/NLA Interfaces編程實現(xiàn)，而其它過程則由Aspen Plus12.1 OOMF ScriptLanguage編程實現(xiàn)。
一種實時優(yōu)化方法Mnemonic Enhancement Optimization，包含在計算機(jī)系統(tǒng)以下的實施步驟(1)根據(jù)模型特點，確定是單參數(shù)變化還是多參數(shù)變化，即參數(shù)的維數(shù)P，如果P＝1，選擇是用分段拉格朗日插值方法，否則，選擇高維分段拉格朗日插值方法。設(shè)置選擇的插值計算方法的階次N，設(shè)置經(jīng)驗記憶庫記錄條數(shù)Label＝0；(2)設(shè)置優(yōu)化次數(shù)K＝1，采用當(dāng)前提供的起始點應(yīng)用求解器進(jìn)行優(yōu)化求解。如果優(yōu)化成功保存優(yōu)化結(jié)果到經(jīng)驗記憶庫中，設(shè)置Label＝Label+1；(3)設(shè)置優(yōu)化次數(shù)K＝K+1，如果Label≥Number(N，P)，其中Number(N，P)為計算N階分段拉格朗日插值方法或高維N階分段拉格朗日插值方法所需最少節(jié)點數(shù)，轉(zhuǎn)(5)，否則繼續(xù)；(4)根據(jù)經(jīng)驗記憶庫中的記錄，采用0階分段拉格朗日插值方法或高維0階分段拉格朗日插值方法，估計當(dāng)前優(yōu)化計算的最優(yōu)點，將其作為優(yōu)化起始點，對問題應(yīng)用求解器進(jìn)行優(yōu)化求解。如果優(yōu)化成功保存優(yōu)化結(jié)果到經(jīng)驗記憶庫中，設(shè)置Label＝Label+1。轉(zhuǎn)(3)；(5)根據(jù)經(jīng)驗記憶庫中的記錄，采用N階分段拉格朗日插值方法或高維N階分段拉格朗日插值方法，估計當(dāng)前優(yōu)化計算的最優(yōu)點，將其作為優(yōu)化起始點，對問題應(yīng)用求解器進(jìn)行優(yōu)化求解。如果優(yōu)化成功保存優(yōu)化結(jié)果到經(jīng)驗記憶庫中，設(shè)置Label＝Label+1。轉(zhuǎn)(3)MEO數(shù)值逼近方法實施例1在本實施例中，模型特點為單參數(shù)變化，采用一階分段拉格朗日插值，包含在計算機(jī)系統(tǒng)以下的實行步驟
(1)讀取當(dāng)前的參數(shù)PK，(K-1為先前對此問題所求解的次數(shù))；(2)K＞3時，在經(jīng)驗記憶庫中取出離PK最近的二個參數(shù)點P1，P2及其對應(yīng)的最優(yōu)解分別為X1*，X2*，轉(zhuǎn)(3)。否則K＞1時，采用0階分段拉格朗日插值方法，在經(jīng)驗記憶庫中取出離PK最近參數(shù)點P1及其對應(yīng)的最優(yōu)解分別為X1*，估計當(dāng)前優(yōu)化計算的最優(yōu)解Xk0=X1*,]]>轉(zhuǎn)(5)；否則，轉(zhuǎn)(5)(3)如果|P1-PK|PK<10-5or|P1-P2|<10-5,]]>則Xk0=X1*,]]>轉(zhuǎn)(5)；(4)選擇P1，P2及X1*，X2*，一階拉格朗日插值得XK0，轉(zhuǎn)(5)；(5)返回。
MEO數(shù)值逼近方法實施例2在本實施例中，模型特點為多參數(shù)變化，采用高維一階分段拉格朗日插值，包含在計算機(jī)系統(tǒng)以下的實行步驟(1)讀取當(dāng)前的參數(shù)PK(PK1，PK2，PK3，...，PKm)，(K-1為先前對此問題所求解的次數(shù)，m為參數(shù)的維數(shù))；(2)K≥m+1時，在經(jīng)驗記憶庫中取出離PK最近的m+1個參數(shù)點P1，P2，……，Pm+1及其對應(yīng)的最優(yōu)解分別為X1*，X2*，……，Xm+1*，轉(zhuǎn)(3)。否則K＞1時，采用高維0階分段拉格朗日插值方法，在經(jīng)驗記憶庫中取出離PK最近參數(shù)點P1及其對應(yīng)的最優(yōu)解X1*，估計當(dāng)前優(yōu)化計算的最優(yōu)解Xk0=X1*,]]>轉(zhuǎn)(5)；否則，轉(zhuǎn)(5)(3)如果|P1-PK||PK|<10-5,]]>則Xk0=X1*,]]>轉(zhuǎn)(5)；(4)n＝1nvar(其中nvar為優(yōu)化計算最優(yōu)解的維數(shù))，如果Max(X1*(n),X2*(n),...,Xm+1*(n))-Min(X1*(n),X2*(n),...,Xm+1*(n))<10-5,]]>Xk0(n)=X1*(n),]]>否則，求解A＝[a1，a2，a3，..，am+1]T，其中X1*(n)X2*(n)X3*(n)...Xm+1*(n)=P1,1P2,1P3,1...Pm+1,1a1a2a3...am+1,]]>計算Xk0(n)=[Pk,1]A;]]>
(5)返回。
如上所述，本發(fā)明也可以以許多不同形式實施，因此不應(yīng)認(rèn)為它局限于說明書列出的實施例。本發(fā)明采用的方法原理簡潔清晰，方便于計算機(jī)上實現(xiàn)，且靈活性很好，可任意選擇求解方法和數(shù)值逼近方法相結(jié)合，可與當(dāng)前先進(jìn)的各種求解方法和數(shù)值逼近方法融合于一體，充分發(fā)揮各自優(yōu)點，更好地滿足化工流程實時優(yōu)化的快速性，準(zhǔn)確性和好的收斂性等要求。
權(quán)利要求
1.一種用于大規(guī)模實時優(yōu)化的基于記憶增強(qiáng)的優(yōu)化方法，其特征在于，該方法為利用實時優(yōu)化過程中先前優(yōu)化得到的最優(yōu)解，建立解集的經(jīng)驗記憶庫，實時優(yōu)化過程中當(dāng)參數(shù)改變，利用先前的經(jīng)驗記憶庫，結(jié)合優(yōu)化問題的模型，合理地選擇數(shù)值逼近方法，估計此時優(yōu)化問題的最優(yōu)解，將其作為優(yōu)化計算的初始點，再利用求解器對優(yōu)化問題進(jìn)行快速有效地求解。
2.根據(jù)權(quán)利要求1所述的用于大規(guī)模實時優(yōu)化的基于記憶增強(qiáng)的優(yōu)化方法，其特征在于，所述數(shù)值逼近方法為多階分段拉格朗日插值方法或高維多階分段拉格朗日插值方法。
3.根據(jù)權(quán)利要求1和2所述的用于大規(guī)模實時優(yōu)化的基于記憶增強(qiáng)的優(yōu)化方法，其特征在于，該方法具體包括以下步驟(1)據(jù)模型特點，確定是單參數(shù)變化還是多參數(shù)變化，即參數(shù)的維數(shù)P，如果P＝1，選擇是用分段拉格朗日插值方法，否則，選擇高維分段拉格朗日插值方法；設(shè)置選擇的插值計算方法的階次N，設(shè)置經(jīng)驗記憶庫記錄條數(shù)Label＝0。(2)設(shè)置優(yōu)化次數(shù)K＝1，采用當(dāng)前提供的起始點應(yīng)用求解器進(jìn)行優(yōu)化求解；如果優(yōu)化成功保存優(yōu)化結(jié)果到經(jīng)驗記憶庫中，設(shè)置Label＝Label+1。(3)設(shè)置優(yōu)化次數(shù)K＝K+1，如果Label≥Number(N，P)，其中Number(N，P)為計算N階分段拉格朗日插值方法或高維N階分段拉格朗日插值方法所需最少節(jié)點數(shù)，轉(zhuǎn)(5)，否則繼續(xù)。(4)根據(jù)經(jīng)驗記憶庫中的記錄，采用0階分段拉格朗日插值方法或高維0階分段拉格朗日插值方法，估計當(dāng)前優(yōu)化計算的最優(yōu)點，將其作為優(yōu)化起始點，對問題應(yīng)用求解器進(jìn)行優(yōu)化求解；如果優(yōu)化成功保存優(yōu)化結(jié)果到經(jīng)驗記憶庫中，設(shè)置Label＝Label+1，轉(zhuǎn)(3)。(5)根據(jù)經(jīng)驗記憶庫中的記錄，采用N階分段拉格朗日插值方法或高維N階分段拉格朗日插值方法，估計當(dāng)前優(yōu)化計算的最優(yōu)點，將其作為優(yōu)化起始點，對問題應(yīng)用求解器進(jìn)行優(yōu)化求解；如果優(yōu)化成功保存優(yōu)化結(jié)果到經(jīng)驗記憶庫中，設(shè)置Label＝Label+1，轉(zhuǎn)(3)。
全文摘要
本發(fā)明公開了一種用于大規(guī)模實時優(yōu)化的基于記憶增強(qiáng)的優(yōu)化方法；該方法利用實時優(yōu)化過程中先前優(yōu)化得到的最優(yōu)解，建立解集的經(jīng)驗記憶庫，實時優(yōu)化過程中當(dāng)參數(shù)改變時，利用先前的經(jīng)驗記憶庫，結(jié)合優(yōu)化問題的模型，合理地選擇數(shù)值逼近方法包括多階分段拉格朗日插值方法及高維多階分段拉格朗日插值方法等，估計此時優(yōu)化問題的最優(yōu)解，將其作為優(yōu)化計算的初始點，再利用求解器對優(yōu)化問題進(jìn)行快速有效地求解；與傳統(tǒng)的實時優(yōu)化方法相比，此方法有著明顯較快的計算速度以及較好的收斂性，具有更好的魯棒性，具原理簡潔清晰，易于實施，靈活性很好。
文檔編號G06Q10/00GK101021922SQ200710067320
公開日2007年8月22日 申請日期2007年2月12日 優(yōu)先權(quán)日2007年2月12日
發(fā)明者邵之江, 張正江, 方學(xué)毅, 陳智強(qiáng), 王可心, 萬嬌娜, 陳曦, 錢積新 申請人:浙江大學(xué)