多目标粒子群算法用于补料分批生化反应器动态多目标优化

摘要

多目标优化是过程系统工程的重要课题,通常以加权或约束方式将其转换为单一目标,未能反映多目标间的复杂关系,不利于随时根据需求作出有效的决策.基于群智能的粒子群算法具有全局优化性能,且易于实现.为使其适于多目标优化,应拓展功能,实施改造.以Pareto支配概念评价种群个体的优劣,设计了确定局部最优点和全局最优点的操作.又利用各粒子的局部最优点信息进行速度更新,以加强种群的多样性,避免因早熟而陷于局部最优.还设置了外部优解库,并通过分散度计算,以适当的策略进行更新,使之逐步均匀地逼近于Pareto最优解集.由此构建一种多目标粒子群优化算法(multi-objective particle swarm optimization,MOPSO),并用于补料分批生化反应器的动态多目标优化,取得了满意的结果.可基于所搜得的Pareto最优解集,分析目标间的关系,为合理决策提供有效的支持.经与NSGA-Ⅱ比较,MOPSO算法具有更为优良的性能.