Details

Title Интеллектуальная система управления сложным технологическим процессом нефтеперерабатывающего предприятия: выпускная квалификационная работа магистра: направление 09.04.01 «Информатика и вычислительная техника» ; образовательная программа 09.04.01_17 «Интеллектуальные системы (международная образовательная программа)»
Creators Ма Вэньцзя
Scientific adviser Шкодырев Вячеслав Петрович
Other creators Селиванова Елена Николаевна
Organization Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint Санкт-Петербург, 2020
Collection Выпускные квалификационные работы ; Общая коллекция
Subjects генетический алгоритм ; нейронная сеть bp ; многоцелевая оптимизация ; evolutionary algorithm ; bp neural network ; pareto optimal ; multi-objective optimization
Document type Master graduation qualification work
File type PDF
Language Russian
Level of education Master
Speciality code (FGOS) 09.04.01
Speciality group (FGOS) 090000 - Информатика и вычислительная техника
Links Отзыв руководителя ; Рецензия ; Отчет о проверке на объем и корректность внешних заимствований
DOI 10.18720/SPBPU/3/2020/vr/vr20-1429
Rights Доступ по паролю из сети Интернет (чтение)
Record key ru\spstu\vkr\6226
Record create date 6/29/2020

Allowed Actions

Action 'Read' will be available if you login or access site from another network

Group Anonymous
Network Internet

Современные многоцелевые эволюционные алгоритмы не могут решить проблему неаналитических целевых функций. Со смешанной стратегией, основанной на эволюционном алгоритме и нейронной сети, был предложен новый метод решения этой проблемы. Во-первых, путем обучения на исторических данных с помощью нейронной сети BP целевая функция может быть заменена выполнимой моделью нейронной сети. Затем эволюционные вычисления могут сопровождаться внедрением данной модели нейронной сети в многоцелевой алгоритм. Данный метод был применен к задаче системы управления технологическим процессом нефтеперерабатывающего комплекса. Результаты эксперимента показывают, что предложенный подход может решить реальную многоцелевую задачу оптимизации.

Current multi-objective evolutionary algorithms cannot solve the problem of non-analytic objective functions. With mixed strategy based on evolutionary algorithm and neural network, a novel method to deal with this kind of problem was proposed. Firstly, by training on historical data with BP neural network, the objective function could be replaced by feasible neural network model. Then evolutionary computation could be followed by embedding the given neural network model in multi-objective algorithm. The given method was applied to the problem of oil refinery complex process control system. The experimental result show that the proposed approach can solve real multi-objective optimization problem.

Network User group Action
ILC SPbPU Local Network All
Read
Internet Authorized users SPbPU
Read
Internet Anonymous

Access count: 13 
Last 30 days: 0

Detailed usage statistics