一种流动化学工艺参数的多目标约束进化优化方法

摘要: 本发明涉及智能优化、进化计算和多目标优化,特别涉及一种流动化学工艺参数的多目标约束进化优化方法。背景技术:1、在连续流化学工艺开发过程中,通常需要同时调节反应温...
一种流动化学工艺参数的多目标约束进化优化方法

本发明涉及智能优化、进化计算和多目标优化,特别涉及一种流动化学工艺参数的多目标约束进化优化方法。

背景技术:

1、在连续流化学工艺开发过程中,通常需要同时调节反应温度、压力、流速、停留时间、物料配比和催化剂用量等多个工艺参数。在这类问题中,算法需要在满足一组复杂约束条件的同时优化多个相互冲突的目标。例如,提高流速可缩短停留时间并提升通量,但可能导致转化率下降;升高温度可提高反应速率和收率,但可能增加副反应或超出压力安全边界。候选工艺参数方案只有在各工艺变量处于允许范围并满足产品质量要求时,才判定为可行方案。因此,在求解这类约束多目标优化问题(cmops)时,决策者通常关注的是获得一组能够良好覆盖约束pareto前沿(cpf)的解集,并具备良好的收敛性和分布特性,而非单一最优方案。

2、现有连续流工艺参数优化方法多依赖单目标优化、人工经验筛选或局部响应面分析,难以同时处理多目标冲突和复杂约束。多目标进化算法(moeas)因其全局搜索能力和群体并行搜索特性,已成为求解cmops的重要工具,并有效推动了多目标优化算法的发展。然而,传统约束多目标进化算法虽然能够搜索一组pareto最优解,但在复杂约束条件下容易过早丢弃具有潜力的轻微不可行解,导致收敛性和多样性不足。

3、近年来,多种群和进化多任务方法被用于约束多目标优化。该类方法通常将原始约束任务和辅助松弛任务并行求解,以兼顾可行域开发和不可行域探索。在实际连续流工艺优化环境中,算法需要同时考虑多个优化目标,例如提高关键中间体收率、提高最终产物收率、提高转化率和回收率,以及缩短总停留时间。此外,反应条件还受到设备温度范围、压力范围、流速范围、收率下限、转化率下限和连续流稳定性等约束限制。面对这类问题,现有方法仍存在以下不足:(1)辅助任务中的不可行个体通常被动保留,缺乏主动修复机制;(2)对多个约束之间的结构性违反模式利用不足;(3)不同任务之间知识迁移方式较粗糙,容易产生负迁移。

技术实现思路

1、本发明旨在解决现有约束多目标进化算法在连续流化学工艺参数优化中因缺乏主动修复机制、对多约束结构性违反模式利用不足以及任务间知识迁移粗糙而导致收敛性和多样性不足的问题,提供一种流动化学工艺参数的多目标约束进化优化方法。

2、第一方面,本发明提供了一种流动化学工艺参数的多目标约束进化优化方法,包括如下步骤:

3、构建待优化问题的目标函数、决策变量和约束条件,将实际连续流化学工程问题转化为约束多目标优化问题cmop;

4、在统一决策空间内初始化主任务种群和辅助任务种群,所述主任务种群用于求解原始cmop并进行可行区域开发,所述辅助任务种群用于求解约束松弛后的辅助任务并进行不可行区域探索,通过所述主任务种群和所述辅助任务种群的协同进化更新两种群;

5、基于更新后的主任务种群和辅助任务种群,计算约束违反度并统计联合可行解比例,根据所述联合可行解比例判断进化模式,同时对不可行个体识别违反约束集合,确定各约束改善方向并综合形成约束共识方向,结合可行锚点方向进行约束共识修复;

6、对所述主任务种群采用基于动态约束违反度阈值的改进约束支配原则进行环境选择,将个体划分为可行个体、高潜力不可行个体和低潜力不可行个体;对所述辅助任务种群采用动态松弛约束选择机制进行环境选择,根据当前进化状态动态调整松弛阈值;

7、按照预设迁移周期将两种群合并形成迁移池,通过融合重组方式生成迁移后代,对不可行个体执行可行锚点引导约束共识修复后分别注入两种群,实现知识迁移;

8、当满足预设终止条件时,从主任务种群中筛选满足原始约束条件的可行个体,通过非支配排序获得非支配可行解集,作为所述cmop的近似pareto最优解集输出。

9、作为本技术第一方面的一种可选实施方式,所述构建待优化问题的目标函数、决策变量和约束条件,包括:

10、所述目标函数包括至少两个工艺优化目标;所述决策变量为影响优化结果的工艺设计参数、控制参数和调度参数中的至少一种;所述约束条件包括不等式约束和等式约束;

11、对于种群中的任一个体的决策变量,分别计算其不等式约束和等式约束的违反度;其中,对于不等式约束,当约束函数值大于零时,将该约束函数值作为该不等式约束的违反度,否则该不等式约束的违反度为零;对于等式约束,取约束函数值的绝对值,当该绝对值超过约束容忍阈值时,将超出部分作为该等式约束的违反度,否则该等式约束的违反度为零;将各不等式约束的违反度与各等式约束的违反度求和,得到总约束违反度;当所述总约束违反度为零时,判定所述个体为可行解。

12、作为本技术第一方面的一种可选实施方式,所述在统一决策空间内初始化主任务种群和辅助任务种群,包括:

13、构建所述辅助任务为约束松弛任务,所述辅助任务与主任务共享相同的目标函数和决策空间;所述约束松弛任务是在不改变连续流化学工艺参数决策空间和目标函数的前提下,基于松弛阈值将原始严格约束放宽为不超过松弛阈值;

14、对所述辅助任务中的个体可行性判定采用松弛的约束处理准则:当个体的总约束违反度不超过松弛阈值时,该个体在所述辅助任务中按可行个体处理。

15、作为本技术第一方面的一种可选实施方式,所述统计联合可行解比例,根据所述联合可行解比例判断进化模式,包括:

16、对所述主任务种群和辅助任务种群中的每个个体进行约束评价,计算其总约束违反度,并据此判断个体是否为可行解;统计所述主任务种群与辅助任务种群的并集中总约束违反度为零的可行个体数量,将所述可行个体数量除以所述并集的总个体数,得到所述联合可行解比例;所述总个体数为所述并集中的个体总数;

17、当所述联合可行解比例小于1时,所述主任务种群与辅助任务种群分别通过moea进化算子生成子代,并在评价前利用可行锚点引导的约束共识修复机制对子代进行约束修正;主任务采用所述改进约束支配原则进行环境选择,所述辅助任务种群采用动态松弛约束选择机制进行环境选择;当所述联合可行解比例等于1时,将所述主任务种群与所述辅助任务种群的并集压缩为单一种群,并仅基于主任务继续进化,直至达到最大函数评价次数。

18、作为本技术第一方面的一种可选实施方式,所述确定各约束改善方向并综合形成约束共识方向,结合可行锚点方向进行约束共识修复,包括:

19、对于进化过程中产生的不可行个体,确定其违反约束集合;针对所述违反约束集合中的每个被违反约束,在所述不可行个体的邻域内寻找该被违反约束的违反程度更小的邻居个体,计算所述邻居个体与所述不可行个体的差值向量作为该被违反约束的约束改善方向;若不存在满足条件的邻居个体,则将所述约束改善方向设为零向量;

20、针对每个所述被违反约束,确定对应的加权系数,计算所述约束改善方向的向量范数,将所述约束改善方向除以所述向量范数与预设极小正数之和得到归一化向量,再将所述归一化向量乘以所述加权系数,得到该被违反约束的可行性方向向量;

21、将所述违反约束集合中所有被违反约束的可行性方向向量进行求和,将所得和向量除以所述违反约束集合中被违反约束的数量,得到约束共识方向向量;

22、判断当前种群中可行个体的数量是否达到预设阈值,所述预设阈值为种群个体数量的七成;若所述可行个体的数量未达到所述预设阈值,则将可行锚点方向向量设为零向量;获取初始修复步长因子,将所述约束共识方向向量除以约束共识方向向量的向量范数与所述预设极小正数之和得到单位化的约束共识方向向量,将所述单位化的约束共识方向向量乘以所述初始修复步长因子得到第一修复位移量,将所述不可行个体的当前位置加上所述第一修复位移量,获得候选解;

23、若所述可行个体的数量达到所述预设阈值,则基于当前种群中的可行个体构建可行锚点集合,从所述可行锚点集合中选取参考可行锚点,计算所述参考可行锚点与所述不可行个体的差值向量,将所述差值向量除以所述差值向量的向量范数与所述预设极小正数之和,得到可行锚点方向向量;确定平衡系数,计算所述可行锚点方向向量与所述平衡系数的乘积,将所述约束共识方向向量与所述乘积进行相加得到定向共识方向向量,计算所述定向共识方向向量的向量范数,将所述定向共识方向向量除以所述定向共识方向向量的向量范数与所述预设极小正数之和,得到单位化的定向共识方向向量;获取动态修复步长因子,将所述单位化的定向共识方向向量乘以所述动态修复步长因子得到第二修复位移量,将所述不可行个体的当前位置加上所述第二修复位移量,获得候选解。

24、作为本技术第一方面的一种可选实施方式,还包括:

25、获取所述候选解的总约束违反度和所述不可行个体的总约束违反度;若所述候选解的总约束违反度小于所述不可行个体的总约束违反度,则将所述候选解确定为最终个体;若所述候选解的总约束违反度等于所述不可行个体的总约束违反度,且所述候选解pareto支配所述不可行个体,则将所述候选解确定为最终个体;否则,将所述不可行个体保留为最终个体;将所述最终个体作为更新后的个体,参与后续的环境选择。

26、作为本技术第一方面的一种可选实施方式,所述将个体划分为可行个体、高潜力不可行个体和低潜力不可行个体,包括:

27、计算动态约束违反度阈值:当当前函数评价次数大于零且不超过预设的阈值收缩截止评价次数时,所述动态约束违反度阈值等于初始阈值乘以底数的收缩控制参数次幂,其中所述底数等于一减去所述当前函数评价次数与所述阈值收缩截止评价次数的比值;当所述当前函数评价次数超过所述约束违反度阈值收缩截止评价次数时,将所述动态约束违反度阈值设定为零;

28、根据所述动态约束违反度阈值将主任务种群中的个体划分为三个集合:可行解集合,包含约束违反度等于零的个体;高潜力不可行解集合,包含约束违反度大于零且不大于所述动态约束违反度阈值的个体;低潜力不可行解集合,包含约束违反度大于所述动态约束违反度阈值的个体;

29、在环境选择过程中,优先保留所述可行解集合中的个体;所述高潜力不可行解集合中的个体被视为可暂时保留的潜在搜索信息,根据目标支配关系和多样性指标参与选择。

30、作为本技术第一方面的一种可选实施方式,所述对所述辅助任务种群采用动态松弛约束选择机制进行环境选择,根据当前进化状态动态调整松弛阈值,包括:

31、获取当前进化代数、最大进化代数、初始松弛阈值和松弛衰减系数;计算所述当前进化代数与所述最大进化代数的比值,用常数一减去所述比值得到第一差值,将所述第一差值以所述松弛衰减系数为指数进行幂运算得到第二数值,将所述初始松弛阈值与所述第二数值相乘,得到当前进化代数的松弛阈值;

32、针对辅助任务种群中的每个个体,获取其总约束违反度;若所述总约束违反度不大于所述当前进化代数的松弛阈值,则判定该个体为松弛可行个体;若所述总约束违反度大于所述当前进化代数的松弛阈值,则判定该个体为松弛不可行个体。

33、作为本技术第一方面的一种可选实施方式,所述通过融合重组方式生成迁移后代,实现知识迁移,包括:

34、判断当前函数评价次数除以预设迁移周期的余数是否为零;当所述余数为零时,将主任务种群和辅助任务种群融合为混合父代池,并通过重组算子生成迁移后代;

35、对所述迁移后代中的不可行个体执行可行锚点引导的约束共识修复,得到修复后的迁移个体;将所述修复后的迁移个体分别注入所述主任务种群和辅助任务种群。

36、作为本技术第一方面的一种可选实施方式,所述作为所述cmop的近似pareto最优解集输出,包括:

37、当达到最大函数评价次数、最大迭代次数及预设终止条件中的至少一种时,停止进化;

38、从主任务种群中筛选满足原始约束条件的可行个体,并通过非支配排序获得非支配可行解集,作为所述约束多目标优化问题的近似pareto最优解集输出;

39、输出候选pareto最优解集及对应评价结果,输出结果包括一组最优的目标函数值、约束函数值、总约束违反度、可行性判定结果和算法性能评价指标;所述算法性能评价指标包括超体积、反向世代距离、可行解比例、平均约束违反度、收敛性指标和多样性指标中的至少一种。

40、第二方面,本技术实施例提供了一种流动化学工艺参数的多目标约束进化优化系统,包括:

41、问题建模模块,用于构建待优化问题的目标函数、决策变量和约束条件,将实际连续流化学工程问题转化为约束多目标优化问题cmop;

42、种群初始化与协同进化模块,用于在统一决策空间内初始化主任务种群和辅助任务种群,所述主任务种群用于求解原始cmop并进行可行区域开发,所述辅助任务种群用于求解约束松弛后的辅助任务并进行不可行区域探索,通过所述主任务种群和所述辅助任务种群的协同进化更新两种群;

43、约束共识修复模块,用于基于更新后的主任务种群和辅助任务种群,计算约束违反度并统计联合可行解比例,根据所述联合可行解比例判断进化模式,同时对不可行个体识别违反约束集合,确定各约束改善方向并综合形成约束共识方向,结合可行锚点方向进行约束共识修复;

44、双任务环境选择模块,用于对所述主任务种群采用基于动态约束违反度阈值的改进约束支配原则进行环境选择,将个体划分为可行个体、高潜力不可行个体和低潜力不可行个体;对所述辅助任务种群采用动态松弛约束选择机制进行环境选择,根据当前进化状态动态调整松弛阈值;

45、知识迁移模块,用于按照预设迁移周期将两种群合并形成迁移池,通过融合重组方式生成迁移后代,对不可行个体执行可行锚点引导约束共识修复后分别注入两种群,实现知识迁移;

46、最优解集输出模块,用于当满足预设终止条件时,从主任务种群中筛选满足原始约束条件的可行个体,通过非支配排序获得非支配可行解集,作为所述cmop的近似pareto最优解集输出。

47、第三方面,本技术实施例提供了一种电子设备,所述电子设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序或指令,程序或指令被处理器执行时实现如第一方面所述的方法的步骤。

48、第四方面,本技术实施例提供了一种可读存储介质,可读存储介质上存储有程序或指令,程序或指令被处理器执行时实现如第一方面所述的方法的步骤。

49、与现有技术相比,本发明提出了一种流动化学工艺参数的多目标约束进化优化方法,有益效果如下:

50、通过主辅任务协同进化求解,主任务优化原始连续流工艺约束下的可行方案,辅助任务探索松弛约束下的连续流工艺边界区域。通过联合可行解比例动态判断进化模式,当种群尚未完全可行时执行双任务协同搜索,当种群全部可行时合并为单一进化种群继续收敛,从而有效提升复杂可行域下的收敛性和多样性。

51、针对辅助任务中不可行个体被动保留、缺乏主动修复机制的问题,本发明采用可行锚点引导的约束共识修复机制(fa-ccr)。该机制根据多个违反约束的共同改善方向和可行锚点方向进行定向修复,将不可行个体中的约束违反信息转化为有效的可行性改进方向,引导不可行个体向可行区域或高质量约束边界移动,提高了对多个约束之间结构性违反模式的利用能力。

52、针对传统约束多目标进化算法容易过早丢弃轻微不可行解的问题,本发明采用改进约束支配原则(icdp),基于动态约束违反度阈值将个体划分为可行个体、高潜力不可行个体和低潜力不可行个体,并通过混合支配关系保留目标性能优良且轻微违反约束的个体。由此在进化早期保留具有潜力的搜索信息,在进化后期逐步强化可行性要求,提升了算法的收敛性和多样性。

53、针对现有方法中不同任务之间知识迁移方式较粗糙、容易产生负迁移的问题,本发明采用融合重组知识迁移策略。该策略不采用直接迁移方式,而是将主任务种群和辅助任务种群合并形成迁移池,通过重组算子生成新个体,并对新个体进行约束共识修复后再注入各任务,从而在增强主辅任务之间信息共享的同时降低负迁移风险。