几种约束优化算法求解含“开关”过程的条件非线性最优扰动的比较

求解条件非线性最优扰动(Conditional Nonlinear Optimal Perturbation,CNOP)属约束最优化问题,一般采用基于伴随模式提供梯度信息的约束优化算法(简称ADJ)进行求解。当优化问题涉及不连续的"开关"过程时,传统优化算法的寻优能力会受到较大的影响。近年来遗传算法(Genetic Algorithm,GA)因其在非光滑优化问题中的鲁棒性备受关注,但GA的性能不仅与优化问题有关,还取决于遗传算子的配置。本文将一种新的约束GA(GA1)用于求解CNOP,并对GA1,ADJ及具有不同遗传算子配置的约束GA(GA2)求解含"开关"过程的CNOP时的性能进行了比较。数值试验结果显示,GA1和GA2的全局寻优能力明显优于ADJ,后者易于陷入局部最优;对于不同的初猜值(不同的初始种群),GA1求解的CNOP能够保持一个较为一致的空间结构,ADJ求解的CNOP呈现了明显的两种结构,一种代表的是全局CNOP,一种是局部CNOP。通过验证不同遗传策略对优化结果的影响发现,对不同的优化问题,采用合适的遗传策略以及合适的参数设置是获取更好优化结果的一种有效途径。

μXL分散系统在加压气化炉上的应用

利用加压气化炉生产煤气是一个复杂而危险的工艺过程，它对控制系统的要求是十分严格的。该文从气化炉三大控制系统的应用软件的角度，简述了μXL集散系统优越的控制功能及其在加压气化炉上的成功应用。

一种新的遗传策略在含“开关”过程的集合预报中的有效应用

针对初值及模式的不确定性,进行了初值扰动集合预报和模式扰动集合预报。在初值扰动集合预报中,将一种新的遗传策略用于四维变分资料同化生成集合预报的分析场,求解条件非线性最优扰动,并结合第二、第三主奇异向量(SVs)生成集合预报的初始扰动。为了检验该方法的有效性,采用一个含"开关"过程的偏微分方程的预报模式,设计了3种比较数值试验方案。结果表明:采用第3方案的集合预报在预报技巧上明显高于其他两种方案。第2方案和第1方案相比,由于"开关"的影响,集合预报技巧提高并不明显。在模式扰动集合预报数值实验中,为了模拟模式的不确定性,在控制方程右端添加6个随机的误差项模拟由于物理参数化方案的不同而带来的模式扰动,采用新的遗传策略在扰动模式中同化出6个对应于扰动模式的分析场后进行集合预报,并与基于伴随技术的方法进行比较。结果表明,基于遗传算法的扰动模式集合预报的预报技巧明显优于伴随方法,且这种优势随着预报时间的增加愈发明显。