基于遗传算法的动力配煤优化模型的研究及其软件实现
摘要
动力配煤优化模型的研究及实现是本文的主要研究内容。用穷举法作为优化模型虽然能够取得最优解，但是由于穷举法的求解过程需要遍历解空间中的每一个解，随着解空间的膨胀，其低下的搜索效率便成为一个无法克服的缺陷，因此这种方法不适合解决大规模动力配煤优化问题。
遗传算法(genetic algorithms，简称GA)是一种基于遗传机理的全局优化算法，它是由美国密歇根大学的John H．Holland教授于1975年受生物进化论的启发而提出的。GA是基于“适者生存”进化规律的一种高度并行、随机和自适应的优化算法，它将问题的求解表示成“染色体”的适者生存过程，通过“染色体”群的一代代不断进化，包括复制、交叉和变异等操作，最终收敛到“最适应环境”的个体，从而求得问题的最优解或满意解。近年来，GA凭借其独特的群体搜索机理和高效的优化效率，在各个领域得到了广泛应用，取得了显著的成绩。
本文在前人研究的基础上，对简单遗传算法作了改进。首先利用GA不需要目标函数的可微性这个特点，直接采用f_j(x)作为罚函数，替代优化界传统上为保证目标函数F(x)的梯度处处存在而采用f_j~2(x)的罚函数形式，降低了优化结果中不可行解的比例，提高了解的可靠性；其次通过理论的分析，找出了简单遗传算法使用适应度比例选择法的缺陷，并运用Boltzmann选择法替代适应度比例法，进一步提高了动力配煤优化结果的准确性和稳定性；再次，针对罚函数法处理约束优化问题时，罚因子难以确定的情况，以及运算结果偶尔会出现不可行解的缺陷，本文使用了GA独有的直接比较—比例法，DCPM-GA进行动力配煤优化，保证了结果的可靠性；最后，本文采用面向对象软件设计法，在前面的研究成果的基础上，设计了配煤优化模块——动力配煤优化引擎。
全文共分四章。第一章为综述，大致介绍了动力配煤的研究现状，并对几种优化算法进行了比较，提出了本文需要研究的内容；第二章为本文的主要部分，这个部分从简单遗传算法入手，详细介绍了遗传算法在动力配煤优化问题中的应用过程，接着通过对算法结构的改造，提出了Boltzmann选择GA和DCPM-GA
浙江大学硕士学位论文
基于遗传算法的动力配煤优化模型的研究及其软件实现
两种算法结构;第三章是在第二章的基础上，对配煤优化模块进行了软件设计;
第四章总结了本文的研究成果，并对今后的研究方向进行了展望。
The main purpose of this paper is to research the modal of coal blend optimization. In the progress of optimization, the enumeration method needs to search every result. Although the best result will be found at last, the efficiency is very low, and it can't be overcome. When the result space is very large, the progress of optimization will be very slow. So this method is not fit for coal blend optimization in large scale.
Genetic Algorithm (GA) is a global optimization algorithm, which is based on inherit mechanism. Enlightened by evolutionism, professor John H. Holland from Michigan University created GA in 1975. GA is a highly parallel, stochastic and adaptive optimization method, which is based on the evolutional regularity of "the survival of the fittest". When seeking solution of a question, it transforms the progress into the form of "the survival of the fittest" of chromosomes at first, then after many generations of evolution, including the operations of copy, crossover and mutation, the colony of chromosomes will be converged, which forms the most fittest one in the environment at last, and this is the most optimized solution or approximately most optimized solution. These years, with resort to its particular mechanism of colony search and high efficiency in optimization, GA has been used in many fields and has made good achievements.
This paper is based on the former research achievement, and improves the simple genetic algorithm in coal blend optimization. First, GA does not need the differentiability of the goal function, and with the character of that, it uses fj (x) as
the penalty functions directly instead of f(x) in tradition, which reduces the
proportion of errors in the solutions, and enhances the reliability; Second, through the analysis in theory, this paper finds the limitation of the fitness-proportionate selection in simple GA, and uses Boltzmann selection, which improves the accuracy and stability of the result; Third, when using penalty functions in dealing with the questions of optimization with restrictions, the penalty factors are hard to be chosen
and there are a few errors in results, so this paper uses a particular method, Direct Comparison-Proportional Method which ensures the reliability of the results; at last, this paper uses object-oriented method (OOD) to design the software module of coal blend optimization named Coal Blend Optimization Engine.
This paper can be divided into 4 chapters. The 1st chapter introduces the situation of the coal blend's research, compares several optimization methods, and then lists the contents of this paper. Chapter 2 is the main part. This part begins with Simple GA, and introduces the application of GA in coal blend optimization in detail. Then alters the structure of SGA, with the use of Boltzmann GA and DCPM-GA. Chapter 3 discusses the design of the software module, Coal Blend Optimization Engine. The last character makes a summary.
遗传算法(genetic algorithms，简称GA)是一种基于遗传机理的全局优化算法，它是由美国密歇根大学的John H．Holland教授于1975年受生物进化论的启发而提出的。GA是基于“适者生存”进化规律的一种高度并行、随机和自适应的优化算法，它将问题的求解表示成“染色体”的适者生存过程，通过“染色体”群的一代代不断进化，包括复制、交叉和变异等操作，最终收敛到“最适应环境”的个体，从而求得问题的最优解或满意解。近年来，GA凭借其独特的群体搜索机理和高效的优化效率，在各个领域得到了广泛应用，取得了显著的成绩。
本文在前人研究的基础上，对简单遗传算法作了改进。首先利用GA不需要目标函数的可微性这个特点，直接采用f_j(x)作为罚函数，替代优化界传统上为保证目标函数F(x)的梯度处处存在而采用f_j~2(x)的罚函数形式，降低了优化结果中不可行解的比例，提高了解的可靠性；其次通过理论的分析，找出了简单遗传算法使用适应度比例选择法的缺陷，并运用Boltzmann选择法替代适应度比例法，进一步提高了动力配煤优化结果的准确性和稳定性；再次，针对罚函数法处理约束优化问题时，罚因子难以确定的情况，以及运算结果偶尔会出现不可行解的缺陷，本文使用了GA独有的直接比较—比例法，DCPM-GA进行动力配煤优化，保证了结果的可靠性；最后，本文采用面向对象软件设计法，在前面的研究成果的基础上，设计了配煤优化模块——动力配煤优化引擎。
全文共分四章。第一章为综述，大致介绍了动力配煤的研究现状，并对几种优化算法进行了比较，提出了本文需要研究的内容；第二章为本文的主要部分，这个部分从简单遗传算法入手，详细介绍了遗传算法在动力配煤优化问题中的应用过程，接着通过对算法结构的改造，提出了Boltzmann选择GA和DCPM-GA
浙江大学硕士学位论文
基于遗传算法的动力配煤优化模型的研究及其软件实现
两种算法结构;第三章是在第二章的基础上，对配煤优化模块进行了软件设计;
第四章总结了本文的研究成果，并对今后的研究方向进行了展望。
The main purpose of this paper is to research the modal of coal blend optimization. In the progress of optimization, the enumeration method needs to search every result. Although the best result will be found at last, the efficiency is very low, and it can't be overcome. When the result space is very large, the progress of optimization will be very slow. So this method is not fit for coal blend optimization in large scale.
Genetic Algorithm (GA) is a global optimization algorithm, which is based on inherit mechanism. Enlightened by evolutionism, professor John H. Holland from Michigan University created GA in 1975. GA is a highly parallel, stochastic and adaptive optimization method, which is based on the evolutional regularity of "the survival of the fittest". When seeking solution of a question, it transforms the progress into the form of "the survival of the fittest" of chromosomes at first, then after many generations of evolution, including the operations of copy, crossover and mutation, the colony of chromosomes will be converged, which forms the most fittest one in the environment at last, and this is the most optimized solution or approximately most optimized solution. These years, with resort to its particular mechanism of colony search and high efficiency in optimization, GA has been used in many fields and has made good achievements.
This paper is based on the former research achievement, and improves the simple genetic algorithm in coal blend optimization. First, GA does not need the differentiability of the goal function, and with the character of that, it uses fj (x) as
the penalty functions directly instead of f(x) in tradition, which reduces the
proportion of errors in the solutions, and enhances the reliability; Second, through the analysis in theory, this paper finds the limitation of the fitness-proportionate selection in simple GA, and uses Boltzmann selection, which improves the accuracy and stability of the result; Third, when using penalty functions in dealing with the questions of optimization with restrictions, the penalty factors are hard to be chosen
and there are a few errors in results, so this paper uses a particular method, Direct Comparison-Proportional Method which ensures the reliability of the results; at last, this paper uses object-oriented method (OOD) to design the software module of coal blend optimization named Coal Blend Optimization Engine.
This paper can be divided into 4 chapters. The 1st chapter introduces the situation of the coal blend's research, compares several optimization methods, and then lists the contents of this paper. Chapter 2 is the main part. This part begins with Simple GA, and introduces the application of GA in coal blend optimization in detail. Then alters the structure of SGA, with the use of Boltzmann GA and DCPM-GA. Chapter 3 discusses the design of the software module, Coal Blend Optimization Engine. The last character makes a summary.
引文
1 成玉琪，俞珠峰，“洁净煤技术是中国洁净能源新技术的重点领域”，洁净煤技术，2000，6(2)．5-15
2 陈文敏，李文华，徐振刚，《洁净煤技术基础》，北京：煤炭工业出版社，1997
3 石定环，“洁净煤是中国能源的未来”，洁净煤技术，1995，1(1)．16-18
4 张全国，魏汴林，“面向21世纪解决世界能源与环境问题的主导技术：洁净煤技术的研究”，资源节约和综合利用，1998，(2)．-17-26
5 窦庆峰，黄盛初，“国际能源署与洁净煤技术考察”，中国煤炭，1997,23(8)．-39-42
6 Feng, J., Achievements in pollutant emission control from coal combustion in China, Fuel and Energy Abstracts, Volume: 38, Issue: 6, November, 1997, pp. 438
7 陈鹏，“动力配煤技术基础”，煤炭学报，1997，22(5)-449-454
8 阮伟，“混合神经网络优化配煤专家系统的开发以及电厂优化配煤多目标机会约束数学模型的建立”，2000年5月，浙江大学博士学位论文
9 李颖，“基于非线性理论的动力配煤模型的研究”，2002年4月，浙江大学硕士学位论文
10 Vuthaluru, Hari B.; Zhang, Dong-ke, "Effect of coal blending on particle agglomeration and defluidisation during spouted-bed combustion of low-rank coals", Fuel Processing Technology, Volume: 70, Issue: 1, April, 2001, pp. 41-51
11 董志忠，“日本煤能源的技术开发”，山西化工，1991，(4)．-51-52
12 阴崇儒，“欧洲煤炭能源情势”，能源基地建设，1991，(2)．-61-64
13 杨天正，“国际能源机构诸国清洁煤技术开发状况”，煤化工，1990，(4)．-52-55
14 何京东，吕一波，张宏波，“动力配煤技术及其数学模型”，黑龙江矿业学院学报，1999年12月，第9卷第4期4-6
15 马革非，“动力配煤最优配煤指标及配煤方案的确定”，中州煤炭，2000年第5期，3
16 曲景魁，何京东，何志强，“动力配煤主要煤质指标可加性的研究”，黑龙江矿业学院学报，2000年9月，第10卷第3期17-19
17 戴才胜，单忠健，朱彤云，张德威，“动力配煤中煤的挥发分的线性可加性研
究”，选煤技术，2001年6月第3期17-19
18 骆仲泱，殷春根等，“人工神经网络在优化动力配煤中应用的理论研究”，煤炭学报，1997年8月，22(4)，337-342
19 殷春根，骆仲泱等，“人工神经网络在配煤过程状态建模中的应用研究”，工程热物理学报，1998年9月，19(5)，637-641
20 殷春根，周俊虎等，“人工神经网络方法在优化动力配煤中的应用研究”，煤炭学报，1997年8月，22(4)，343-348
21 汤龙华，周俊虎等，“非线性最优化动力配煤技术的研究”，煤炭学报，1997年10月，19(5)，455-459
22 曹欣玉，阮伟等，“电厂优化配煤专家系统的研究与开发”，电站系统工程，2000年1月，16(1)，4-6
23 阮伟，张伟宁，周俊虎等，“电厂优化配煤多目标机会约束数学模型的建立”，动力工程，2001年2月，21(1)
24 李颖，周俊虎，“BP神经网络在优化配煤预测模型中的研究”，煤炭转化，2002年4月，25(2)
25 周俊虎，李颖，“BP神经网络在电厂优化配煤中预测性能的研究”，电站系统工程，2002年5月，18(3)
26 Tom, A., and Zilinskas, A. Global optimization. Berlin:Springer-VerLag, 1989
27 李敏强，寇纪淞，林丹，李书全 著《遗传算法的基本理论与应用》，科学出版社，2002年
28 王凌 著《智能优化算法及其应用》，清华大学出版社，2001年
29 姚恩瑜 何勇 陈仕平 著《数学规划与组合优化》，浙江大学出版社，2001年
30 孟炳泉，“基于最优保留和自适应的混合遗传算法”，浙江大学硕士学位论文，2000年12月
31 康立山，谢云，尤失勇，罗祖华著，《非数值并行算法——模拟退火算法》，科学出版社，1998
32 云庆夏等，《遗传算法和遗传规划——一种搜索寻优技术》，冶金工业出版社，1997
33 Abramson, D., and Abela, J. A parallel genetic algorithm for solving the school timetabling problem. In Proceedings of the Fifteenth Australian Computer Science Conference(ACSC-15), vol. 14, 1992,1～11
34 周俊虎，沈彬彬等，“基于遗传算法的动力配煤方案的Boltzmann优化模型的研究”，动力工程，2003年8月23(4)
35 樊叔维张兴，“全局优化算法自适应模拟退火-遗传算法的研究”，光学精密工程，1999年4月
36 张晶，瞿鹏程，张本源，“惩罚函数法在遗传算法处理约束问题中的应用”，武汉工大学学报，2002年2月，24(2)
37 张春梅，行飞，“用自适应的遗传算法求解大学课表安排问题”，内蒙古大学学报(自然科学版)，2002年7月，33(4)
38 杨新敏 孙静怡 钱育渝，“城市交通流配流问题的遗传算法求解”，城市交通，2002年第2期
39 张龙祥 著《UML与系统分析设计》，人民邮电出版社，2001
40 陈亮，姚尧，罗滇生，姚建刚，“UML在电厂管理信息系统建模中的应用研究”，电力自动化设备，2002年7月，22(7)
41 刘胜超，高伟，张燕平“UML在工业锅炉控制系统设计中的应用”，华中科技大学学报(自然科学版)，2002年4月，30(4)
42 谭炼红，陈志刚，“采用00A／00D设计分布式三层C／S系统”，计算机工程与科学，Vol24，N03，2002
43 能源政策研究，2003年6月
2 陈文敏，李文华，徐振刚，《洁净煤技术基础》，北京：煤炭工业出版社，1997
3 石定环，“洁净煤是中国能源的未来”，洁净煤技术，1995，1(1)．16-18
4 张全国，魏汴林，“面向21世纪解决世界能源与环境问题的主导技术：洁净煤技术的研究”，资源节约和综合利用，1998，(2)．-17-26
5 窦庆峰，黄盛初，“国际能源署与洁净煤技术考察”，中国煤炭，1997,23(8)．-39-42
6 Feng, J., Achievements in pollutant emission control from coal combustion in China, Fuel and Energy Abstracts, Volume: 38, Issue: 6, November, 1997, pp. 438
7 陈鹏，“动力配煤技术基础”，煤炭学报，1997，22(5)-449-454
8 阮伟，“混合神经网络优化配煤专家系统的开发以及电厂优化配煤多目标机会约束数学模型的建立”，2000年5月，浙江大学博士学位论文
9 李颖，“基于非线性理论的动力配煤模型的研究”，2002年4月，浙江大学硕士学位论文
10 Vuthaluru, Hari B.; Zhang, Dong-ke, "Effect of coal blending on particle agglomeration and defluidisation during spouted-bed combustion of low-rank coals", Fuel Processing Technology, Volume: 70, Issue: 1, April, 2001, pp. 41-51
11 董志忠，“日本煤能源的技术开发”，山西化工，1991，(4)．-51-52
12 阴崇儒，“欧洲煤炭能源情势”，能源基地建设，1991，(2)．-61-64
13 杨天正，“国际能源机构诸国清洁煤技术开发状况”，煤化工，1990，(4)．-52-55
14 何京东，吕一波，张宏波，“动力配煤技术及其数学模型”，黑龙江矿业学院学报，1999年12月，第9卷第4期4-6
15 马革非，“动力配煤最优配煤指标及配煤方案的确定”，中州煤炭，2000年第5期，3
16 曲景魁，何京东，何志强，“动力配煤主要煤质指标可加性的研究”，黑龙江矿业学院学报，2000年9月，第10卷第3期17-19
17 戴才胜，单忠健，朱彤云，张德威，“动力配煤中煤的挥发分的线性可加性研
究”，选煤技术，2001年6月第3期17-19
18 骆仲泱，殷春根等，“人工神经网络在优化动力配煤中应用的理论研究”，煤炭学报，1997年8月，22(4)，337-342
19 殷春根，骆仲泱等，“人工神经网络在配煤过程状态建模中的应用研究”，工程热物理学报，1998年9月，19(5)，637-641
20 殷春根，周俊虎等，“人工神经网络方法在优化动力配煤中的应用研究”，煤炭学报，1997年8月，22(4)，343-348
21 汤龙华，周俊虎等，“非线性最优化动力配煤技术的研究”，煤炭学报，1997年10月，19(5)，455-459
22 曹欣玉，阮伟等，“电厂优化配煤专家系统的研究与开发”，电站系统工程，2000年1月，16(1)，4-6
23 阮伟，张伟宁，周俊虎等，“电厂优化配煤多目标机会约束数学模型的建立”，动力工程，2001年2月，21(1)
24 李颖，周俊虎，“BP神经网络在优化配煤预测模型中的研究”，煤炭转化，2002年4月，25(2)
25 周俊虎，李颖，“BP神经网络在电厂优化配煤中预测性能的研究”，电站系统工程，2002年5月，18(3)
26 Tom, A., and Zilinskas, A. Global optimization. Berlin:Springer-VerLag, 1989
27 李敏强，寇纪淞，林丹，李书全 著《遗传算法的基本理论与应用》，科学出版社，2002年
28 王凌 著《智能优化算法及其应用》，清华大学出版社，2001年
29 姚恩瑜 何勇 陈仕平 著《数学规划与组合优化》，浙江大学出版社，2001年
30 孟炳泉，“基于最优保留和自适应的混合遗传算法”，浙江大学硕士学位论文，2000年12月
31 康立山，谢云，尤失勇，罗祖华著，《非数值并行算法——模拟退火算法》，科学出版社，1998
32 云庆夏等，《遗传算法和遗传规划——一种搜索寻优技术》，冶金工业出版社，1997
33 Abramson, D., and Abela, J. A parallel genetic algorithm for solving the school timetabling problem. In Proceedings of the Fifteenth Australian Computer Science Conference(ACSC-15), vol. 14, 1992,1～11
34 周俊虎，沈彬彬等，“基于遗传算法的动力配煤方案的Boltzmann优化模型的研究”，动力工程，2003年8月23(4)
35 樊叔维张兴，“全局优化算法自适应模拟退火-遗传算法的研究”，光学精密工程，1999年4月
36 张晶，瞿鹏程，张本源，“惩罚函数法在遗传算法处理约束问题中的应用”，武汉工大学学报，2002年2月，24(2)
37 张春梅，行飞，“用自适应的遗传算法求解大学课表安排问题”，内蒙古大学学报(自然科学版)，2002年7月，33(4)
38 杨新敏 孙静怡 钱育渝，“城市交通流配流问题的遗传算法求解”，城市交通，2002年第2期
39 张龙祥 著《UML与系统分析设计》，人民邮电出版社，2001
40 陈亮，姚尧，罗滇生，姚建刚，“UML在电厂管理信息系统建模中的应用研究”，电力自动化设备，2002年7月，22(7)
41 刘胜超，高伟，张燕平“UML在工业锅炉控制系统设计中的应用”，华中科技大学学报(自然科学版)，2002年4月，30(4)
42 谭炼红，陈志刚，“采用00A／00D设计分布式三层C／S系统”，计算机工程与科学，Vol24，N03，2002
43 能源政策研究，2003年6月