D0I:10.13374/j.issn1001-053x.1999.0M.027 第21卷第4期 北京科技大学学报 Vol.21 No.4 1999年8月 Journal of University of Science and Technology Beijing Aug.1999 基于知识的广义优化方法 万军涂序彦 北京科技大学信息工程学院，北京100083 摘要传统的优化方法在描述能力、建模方法、方法实现和模型数据的分析等方面都存在着 局限性，需要引入新的思路.针对上述问题，提出了基于知识的广义优化方法，给出了广义优化 中知识概念、优化问题的描述，以及基于知识的广义优化方法的一般求解过程，其基本方法是 在优化问题知识模型的基础上，建立基于知识的广义优化算法，通过知识系统的约简，得到用 于制定优化方案的决策规则.同时给出了基于知识的广义优化方法在在锅炉燃烧优化问题中 的应用示例，说明了方法的有效性. 关键词知识：广义优化：锅炉燃烧 分类号TP273.1 优化问题是具有重要理论和实际应用价值 中获得的信息和数据常常是不完备和不精确 的研究课题.40年代以来，随着优化问题研究 的，使基于精确数学模型的优化方法的应用受 的广泛开展，形成了线性规划、整数规划、非线 到限制.这在管理中的非结构化、半结构化决策 性规划、动态规划等研究分支，先后提出了单纯 问题中表现得十分突出， 形法、分支界定法、罚函数法、Karmarker法等一 大批优化方法，并应用于生产实践中取得了显 1基于知识的广义优化的概念 著成效，这些方法的基本思路是：把待解决的问 为解决工程实际中的优化问题，克服传统 题数学模型化为在给定约束条件下求目标函数 优化方法的局限性，我们提出基于知识的广义 最大（小）值的解，然而，随着研究的深入，人们 优化方法.其基本思想是：基于知识的表达与推 发现上述方法在解决非结构化问题时受到很大 理看作是一种特定的概念与思维过程的模型， 限制.这主要是因为基于精确数学描述的优化 通过在一定意义下对人类思维推理过程的模 模型有其局限性，表现在以下几个方面： 拟：在没有形成清晰、全面的数学模型，还没有 描述能力的的局限性，不能或难以描述实 确切的量度标准的情况下，根据已有的经验、事 际优化问题中的许多重要对象.例如：定性知 实、大量的观测数据和记录进行分析和简化，从 识、专家经验、领导意图、顾客心理、人际关系 而发现知识、建立所研究问题的知识模型，进而 等 进行知识推理和判断，最终获得合理而可行的 建模方式的的局限性，传统的建模方式面 优化方案，这里所说的“合理而可行的优化方 向“物”，忽视了“人”在优化过程中的作用，而 案”是指能够满足工程实际需要的优化方案，而 在有人参与活动的系统优化问题中，应该考虑 不是“最优化”方案.“最优化”是根据系统的理 人的因素 论数学模型求理想目标，是狭义的优化，在工程 求解方法的局限性，由于许多优化问题本 上往往无法或难以实现：广义的优化意味着“次 身固有的复杂性，采用严密数学方法求其精确 优化”或“准优化”，是可以实现的实际目标，与 解的计算量，往往随问题规模呈指数级增长，即 传统的最优化方法相比，在基于知识的广义优 使采用高速计算机也计算代价过大，没有实用 化中，对优化问题的描述不是采用数学模型而 价值或根本无法实现. 是知识模型：优化目标不是求一个函数的极大 模型数据的局限性，在求解实际优化问题 或极小值，而是寻求具体问题的一个合理而可 1999-01-11收稿万军男，29岁，博士 行的方案.传统优化方法中，问题的求解是寻找 ·国家"863"高科技计划CMS课题No.863-511-9845-011)
第 卷 第 期 年 月 北 京 科 技 大 学 学 报 基于 知识 的广义优化方法 万 军 涂 序 彦 北京科技大学信息工程学院 ， 北京 摘 要 传统 的优化 方法在 描述 能力 、 建模方法 、 方法 实现和 模型数据 的分析 等方 面 都存在 着 局 限性 ， 需要 引入新 的思路 针对上述 问题 ， 提 出 了基 于 知 识 的广 义优化 方法 ， 给 出 了广 义优化 中知识概念 、 优化 问题 的描述 ， 以及 基 于 知 识 的广义优化方法 的一 般求解过 程 其基 本方法是 在优化 问题知 识模型 的基础 上 ， 建立基 于 知 识 的广义 优化 算法 ， 通 过知 识系统 的约 简 ， 得 到用 于 制定优化方案 的决策规 则 同时给 出 了基 于 知 识 的广义优化 方 法在在锅 炉燃烧优化 问题 中 的应用 示例 ， 说明了方法 的有效性 关键词 知 识 广义优化 锅 炉燃烧 分 类号 优化 问题 是 具 有 重要 理 论和 实际应用 价 值 的研 究课 题 年 代 以来 ， 随着优化 问题 研 究 的广 泛 开 展 ， 形成 了线性规划 、 整 数规划 、 非线 性规划 、 动态 规划 等研究分支 ， 先后 提 出 了单纯 形 法 、 分支界 定法 、 罚 函数法 、 法 等 一 大批优化方 法 ， 并应 用 于 生产 实 践 中取 得 了显 著成效 这些方法 的基本 思 路 是 把 待解 决 的 问 题数学模 型化 为在 给定约 束条件下 求 目标 函数 最 大 小 值 的解 然 而 ， 随着研 究 的深 入 ， 人 们 发现上 述 方法 在解 决非 结构化 问题 时 受到 很大 限制 这 主 要 是 因 为基 于 精确 数 学描 述 的优化 模型 有其局 限性 ， 表 现在 以下 几 个 方 面 描述 能力 的 的局 限性 ， 不 能或 难 以描 述 实 际 优 化 问题 中的许 多 重 要 对 象 例 如 定 性 知 识 、 专 家经 验 、 领 导 意 图 、 顾 客 心 理 、 人 际 关系 等 建模方 式 的 的局 限 性 ， 传 统 的 建模方 式 面 向 “ 物 ” ， 忽 视 了 “ 人 ” 在优化过 程 中的作 用 ， 而 在有人参 与活 动 的 系统优化 问题 中 ， 应 该 考虑 人 的因 素 求解 方法 的局 限性 ， 由于 许 多优 化 问题 本 身固有 的复杂 性 ， 采用 严 密 数 学 方 法 求 其 精确 解 的计算量 ， 往往 随 问题规 模呈 指数 级 增 长 ， 即 使采用高速计 算机 也 计 算代 价 过 大 ， 没 有 实用 价值或根本无法 实现 模型数据 的局 限性 ， 在 求 解 实 际 优 化 问题 刁 一 收稿 万 军 男 ， 岁 ， 博士 国家 ，， ，，高科技计划 课题困 一 一 一 一 中 获 得 的 信 息 和 数 据 常 常 是 不 完 备 和 不 精 确 的 ， 使基 于 精确 数 学模 型 的优化 方法 的应 用 受 到 限制 这 在管 理 中的非 结构化 、 半结构化 决策 问题 中表 现 得 十 分 突 出 基于 知识 的广义优化的概念 为解 决工 程 实 际 中 的优化 问题 ， 克服传统 优 化 方 法 的局 限性 ， 我们 提 出基 于 知 识 的广 义 优化 方法 其基本思 想 是 基于 知 识 的表达与推 理 看 作 是 一 种 特 定 的概念 与 思 维 过 程 的模 型 ， 通 过 在 一 定 意 义 下 对 人 类 思 维 推 理 过 程 的 模 拟 在 没 有 形 成 清 晰 、 全面 的数 学模型 ， 还 没 有 确 切 的量度标准 的情 况 下 ， 根据 已有 的经 验 、 事 实 、 大量 的观 测 数据和 记 录进行分析和 简化 ， 从 而 发现知识 、 建立所研究问题 的知 识模型 ， 进而 进 行 知 识 推 理 和 判 断 ， 最 终 获得 合 理 而 可 行 的 优 化方 案 这 里 所 说 的 “ 合 理而 可 行 的优 化方 案 ” 是 指 能够满 足工 程 实际 需要 的优化方 案 ， 而 不 是 “ 最 优 化 ” 方 案 “ 最 优 化 ” 是 根 据 系统 的理 论数 学模型 求理想 目标 ， 是狭义 的优化 ， 在 工 程 上 往往 无法 或难 以实现 广 义 的优 化 意味着 “ 次 优化 ” 或 “ 准 优化 ” ， 是 可 以实现 的实际 目标 与 传 统 的最 优 化 方 法 相 比 ， 在 基 于 知 识 的广 义 优 化 中 ， 对 优 化 问题 的描 述 不 是 采 用 数 学模 型 而 是 知 识 模型 优化 目标 不 是 求一 个 函 数 的极 大 或 极 小值 ， 而 是 寻 求具 体 问题 的一 个 合理而 可 行 的方案 传统优化方法 中 ， 问题 的求解 是寻 找 DOI ：10．13374／j ．issn1001－053x．1999．04．027
414· 北京科技大学学报 1999年第4期 一个决策变量的值；在基于知识的广义优化中， 的子集X和一个属于ind(K)的等价关系R,则有： 问题的求解是利用知识的简化等手段由已知明 R_(X)=U(YEU/ind(R):Y.X), 显事实推导出知识，其对应问题的解表达为一 R-(X)=U(YEU/ind(R):YnX+), 组优化决策规则，及相应的优化域：问题的可行 分别称为R的下近似集和R的上近似集.这样 域为一个知识系统：约束条件表现对由知识的 可以根据R的基本集合的描述Y来划分集合X. 核构成的几组决策方案的限定， R的下近似集也称为X的R正域，记为pos(X): 称U-R)为X的R负域，记为neg():集合bnR 2基于知识的广义优化方法 称为X的R边界或边界域.正域或下近似集是 2.1知识的概念 那些根据知识R,U中能完全确定地归入集合X 在基于知识的广义优化方法中，引用粗糙 的元素的集合；负域是那些根据知识R,U中不 集理论对知识的理解，从认知科学的角度假设 能完全确定地归入集合X的元素的集合，是正 知识是对论域的分类模式. 域的补集：边界域是那些根据知识R,U中既不 定义1给定研究对象的论域U≠中，对于 能完全确定地归入集合X又不能完全确定地归 属于U任何子集X,称为U中的一个概念或范 入集合-X的元素的集合，是论域上的不确定 畴. 域，由于上近似集是那些根据知识R,U中一定 定义2假定R代表论域U中的一种关系： 能和可能能归入集合X的元素的集合，因此，上 当R描述对U的分类，即U中对象之间的等价 近似集就是正域和边界域的并集，即： 关系时，用UR表示根据关系R,U中的对象构 R (X)=pos(X)nbn(X). 成的所有等价类族，称为关于U的知识 当且仅当R()=R(),X为R可定义集：当 定义3给定P是R的子集，且P≠中，则P 且仅当R(X)丰R(),X为R粗集.范畴是可以用 中的全部等价关系的交集称为P上的不可分辨 有效知识表达的信息项.这样，对于不精确信 关系，记为ind(P).ind(P)的所有等价类族U/ind 息，可以用己知知识通过两个精确范畴粗略地 (P)定义为与等价关系P的族相关的知识，称为 定义，即对于给定的知识系统中的粗范畴（无法 P基本知识或基本集合，记为UP. 用已知知识表达的对象子集)，可用上、下近似 UP实际上是由论域中相互不可分辨的对 集进行表达 象组成的集合，是组成知识的颗粒.特别地，若 2.2优化问题的描述 Q是P的子集，ind(Q)的等价类称为知识P的初 在基于知识的广义优化方法中，知识的表 等范畴，即根据属性Q定义的不可分辨关系的 达过程就是优化问题建模的士程， 等价关系类也称为P初等集合，它是知识系统 知识表达的基本成分是研究对象的集合. 的最基本单位，是论域中所有具有特定属性的 关于这些对象的知识是通过指定对象的基本特 对象构成的子集，而基本范畴则由一些初等范 征（属性）和它们的特征值（属性值）来描述的. 畴构成. 定义6S=(U,A)为…知识表达系统，其中， 定义4给定知识库K=(U,R),称ind() U为非空的有限集论域，A是非空的属性有限 为K中所定义的所有等价关系的族，它包含了 集：且C,D是A的两个属性子集，分别称为条 K的全部初等关系，并且闭于等价关系的交集， 件属性和决策属性，具有条件属性和决策属性 是等价关系的最小集， 的知识表达系统可利用表格表达来实现，知识 令集合X为U的子集，且R为一等价关系， 的表格表达可看成是一种特殊的形式语言，用 当X能用R属性集确切地描述时，即它可用某 符号来表达等价关系，称为决策表，记作T=(U, 些R基本集合的并来表达，则X称R可定义集 A,C,D).关系ind(C)和关系ind(D)的等价类分 或R精确集，否则称X为R不可定义集或R粗 别称为条件类和决策类。 集.R精确集是知识库中可定义的范畴，而对不 一个属性对应一个等价关系，知识表达系 精确范畴，R粗集则可通过两个精确集进行近 统中的任一等价关系在决策表中表示为一个属 似定义. 性和用属性值表示的等价类.表中的列表示属 定义5给定知识库K=(U,R),对于每个U 性，可看成某些范畴的名称：行表示对象，并且 每一行表示该对象的一条信息：整个表包含了
一 北 京 科 技 大 学 学 报 年 第 期 一 个 决策变量 的值 在基 于 知 识 的广义优化 中 ， 问题 的求解 是利用 知 识 的简化等手 段 由 己知 明 显 事 实推 导 出知 识 ， 其对应 问题 的解 表 达 为一 组优化 决策规 则 ， 及 相 应 的优 化域 问题 的可 行 域 为 一 个 知 识 系 统 约 束条 件表 现对 由知 识 的 核构成 的几组 决策 方案 的限 定 基于 知识 的广义优化方法 知识 的概念 在基 于 知 识 的广 义优 化 方法 中 ， 引用 粗 糙 集理 论对 知 识 的理 解 ， 从认 知 科 学 的角度假 设 知 识 是 对 论 域 的 分 类 模式 定义 给 定研 究对 象 的论域 共中 ， 对 于 属 于 任 何子 集 ， 称 为 中 的一 个概 念 或 范 畴 定义 假定 代表 论 域 中 的一 种 关 系 当 描述对 的分 类 ， 即 中对 象之 间 的 等价 关 系时 ， 用 口尺 表示 根据 关 系 ， 中的对象构 成 的所 有等价类族 ， 称 为 关 于 的知 识 定 义 给 定 尸 是 的 子 集 ， 且 尸半中 ， 则 尸 中的全部等价关系的交集称 为尸 上 的不 可 分 辨 关 系 ， 记 为 的所 有 等价类族 定义 为 与等价关 系 的族相 关 的知 识 ， 称 为 尸 基本知 识或 基本集 合 ， 记 为 创尸 砚尸 实际 上 是 由论 域 中相 互 不 可 分 辨 的对 象 组 成 的集合 ， 是 组 成 知 识 的颗粒 特 别地 ， 若 是 尸 的子 集 ， 的等价 类称 为知 识 尸 的初 等范 畴 ， 即根据 属 性 定 义 的不 可 分 辨关 系 的 等价 关系类也称 为 初等集合 ， 它 是 知 识 系统 的最 基 本 单位 ， 是 论 域 中所 有具 有特 定 属 性 的 对 象构成 的子 集 ， 而 基 本 范 畴则 由一 些 初等范 畴 构成 定 义 给 定 知 识库 ， ， 称 幻 为 中所定 义 的所 有等价关系 的族 ， 它包 含 了 的全部初 等 关 系 ， 并且 闭于 等价 关 系 的交集 ， 是 等价 关 系 的最 小集 令集 合 为 的子集 ， 且 为一 等价 关系 ， 当 能用 属 性集 确切 地 描 述 时 ， 即 它 可 用 某 些 基本集合 的并来表 达 ， 则 称 可 定义 集 或 精确 集 ， 否 则 称 为 不 可 定义 集或 粗 集 精 确 集 是 知识 库 中可 定 义 的范 畴 ， 而 对 不 精确 范 畴 ， 粗集 则可 通 过两 个精 确集进 行近 似定 义 定 义 给 定 知 识库 尺七 ， ， 对 于 每 个 的子集 和 一 个属于 因的等价关系 ， 则有 一 闭 任 艺生 ， 一 闭 任 门火李树 ， 分 别称 为 的下 近似集和 的上 近 似集 这 样 可 以根据 的基本 集 合 的描述 来 划 分 集 合 的下 近似集也称 为 的 正 域 ， 记 为 因 称 一 闭 为 的 负域 ， 记 为 乡闭 集合 ， 称 为 的 边 界或 边 界 域 正 域 或下 近似 集 是 那 些根 据 知 识 ， 中能完全 确定地 归入 集合 的元 素 的集 合 负域 是 那 些 根据 知 识 ， 中不 能 完全 确 定 地 归入 集 合 的元 素 的集合 ， 是 正 域 的补 集 边 界 域 是 那 些 根 据 知 识 ， 中既 不 能 完全确 定地 归入 集合 又 不 能完全 确 定地 归 入 集合 一 的元 素 的集合 ， 是 论域上 的不 确定 域 由于 上近似 集 是 那 些 根 据 知 识 ， 中一 定 能和 可 能能归入集合 的元 素 的集合 ， 因此 ， 上 近似集 就 是 正 域和 边 界 域 的并集 ， 即 一 闭 闭 ，闭 当且 仅 当 一 团 一 闭 ， 为 可 定义集 当 且 仅 当 一 闭 羊 一 闭 ， 为 粗集 范畴是 可 以用 有 效 知 识 表 达 的信息项 这 样 ， 对于 不 精确 信 息 ， 可 以用 已 知 知 识通 过两 个精确 范 畴粗 略地 定 义 ， 即对 于 给 定的知 识系统 中钓 粗 范 畴 无法 用 已知 知 识 表达 的对 象子 集 ， 可 用 上 、 下 近似 集进 行 表达 优化问题 的描述 在 基于 知识 的广 义优化 方 法 中 ， 知 识 的表 达 过程 就 是优化 问题 建模 的过 程 知 识 表达 的基 本 成 分 是研 究对 象 的集合 关于 这些对象 的知 识 是 通过 指 定对象 的基 本特 征 属性 和 它 们 的特 征 值 属 性 值 来 描 述 的 定义 ， 为一 知 识表 达 系统 ， 其 中 ， 为 非 空 的有 限集 论 域 ， 是 非 空 的属 性 有 限 集 且 ， 是 的两 个 属 性 子 集 ， 分别 称 为条 件 属 性 和 决策 属 性 ， 具 有 条件 属 性和 决 策 属 性 的 知 识 表达 系统 可 利用 表 格 表 达来 实现 ， 知 识 的表格 表 达 可 看成 是 一 种特殊 的形式语 言 ， 用 符 号 来表 达 等价 关 系 ， 称 为决策表 ， 记 作 ， ， ， 关 系 和 关系 归 的等价类分 别称 为条件类和 决策类 一 个属 性 对应 一 个 等价关系 知 识 表 达 系 统 中的任一 等价关系在决策表 中表 示 为一 个 属 性 和 用 属性值表 示 的等价类 表 中 的 列 表 示 属 性 ， 可 看 成 某 些 范 畴 的名 称 行 表 示 对 象 ， 并 且 每 一 行 表 示 该 对 象 的一 条信 息 整 个表 包含 了
Vol.21 No.4 万军等：基于知识的广义优化方法 415 相应知识表达系统中的所有范畴的描述和能从 Integer Ij,k,l,x; 表中数据推导出的所有可能的规律.利用决策 Integer array A [1:m],T2 [1:m,1:n]; 表对优化问题中有效事实和规律的进行描述， For I:=1 Step 1 until m do 建立优化问题的知识模型， For j:=1 Step 1 until n do 2.3优化问题的求解 T2[j]=T1[]小=Tj] 在基于知识的广义优化方法中，将优化问 End 题表达为一个决策表，可以通过知识的简化和 End 范畴的简化得到知识系统的核，求出所有的广 For x:=1 Step I until nl do 义优化算法，再根据问题的约束条件对算法进 For I:=1 Step 1 until m do 行限定，得到优化问题的解， A[I]:=T[I,x] 定义7对于属性R的子集P,2,若存在Q End P-,使得ind(g)=ind(P),且2为最小子集，则称 For I:=1 Step 1 until m-1 do 2为P的简化，记为red(P). For k:=I+1 Step 1 until m do 一个属性子集P可能有多种简化，简化集 For j:=1 Step 1 until nl do 的交称为P的核，记为core(P)-red(P).它独立 If T[j]◇T[kj]then 地构成一组表达系统分类知识的特征，是表达 Goto Next-rule-k 知识必不可少的重要属性集.知识的简化是针 End 对表达知识系统的属性的简化，范畴的简化是 For l:=n1+1 Step 1 until n2 do 知识构成模块的简化.知识系统中的每一个概 IfTl,l]-T[k,l】then 念都可惟一地表达成基本范畴，而每一个基本 Goto Next-rule-k 范畴都由一些初等范畴构成，但并不是所有的 End 基本范畴都需要全部的初等范畴来表达，即知 TI[L,x]:=A(I]; 识系统的表达是可以简化的.事实上，在一个知 TI[k,x]:=A[k] 识系统中，某些基本范畴F的交可以用其简化 Next-rule-k: 基本范畴的交来表达 End 基于知识的广义优化方法一般求解过程如 End 图1所示. For I:=1 Step 1 until m do For j:=1 Step 1 until n do 信息输 离散归一化 构成知识模型 T]-T2[] End 求知识系统化 广义算法形成 优化方案 End End 系统决策与分析 约束条件 3锅炉燃烧配风方案的优化 图1一般求解过程 3.1问题的描述 在基于知识的广义优化方法中，假定，优化 在大型火力发电厂中，当锅炉容量较大或 问题表达为知识系统T=(U,R),m为规则的数 燃烧器数目较多时，为提高锅炉的效率、降低煤 目，n为属性的数目，nl为条件属性的数目，n2 耗并防止煤粉管堵塞，燃烧器应按一定的风门 为决策属性的数目，求知识系统的核的算法的 开度向炉内送入空气，使整个燃烧室的燃烧效 过程说明如下： 果良好.目前生产上采取人工凭经验配风，使配 Procedure Core(T,T1) 风效果难以保证.因此，需要根据锅炉负荷和不 Integer array T[1:m,1:n],T1 [1:m,1:n]; 同的煤质，在保证运行安全性的前提下，寻找优 Readl(T); 化配风方案，由于锅炉燃烧系统机理的复杂性， Begin 使基于精确数学模型的传统优化方法难以应
万 军 等 基 于 知 识 的广 义优化 方 法 一 相 应知 识表达系统 中的所 有范 畴 的描述和 能从 表 中数据 推导 出 的所有 可 能 的规律 利 用 决策 表 对 优化 问题 中有 效 事 实和 规 律 的进行 描 述 ， 建立优化 问题 的知识 模型 优化 问题 的求解 在基于 知 识 的广义 优化 方 法 中 ， 将优化 问 题 表达 为一 个 决策 表 ， 可 以通 过 知 识 的简化 和 范畴 的简化 得 到 知 识 系统 的 核 ， 求 出所 有 的广 义优化算法 ， 再 根 据 问题 的约 束条件对 算法 进 行 限 定 ， 得 到优化 问题 的解 定义 对 于 属 性 的子 集尸 ， ， 若存在 矛 尸一 ， 使得 ， 且 为最 小子 集 ， 则 称 为 尸 的简化 ， 记 为 一个属性子集 可 能有多种简化 ， 简化集 的交称 为 尸 的核 ， 记 为 它 独 立 地构成 一 组表达系统分类知 识 的特征 ， 是 表达 知 识必 不 可 少的重要 属性集 知 识 的简化 是 针 对表达知 识 系统 的属性 的简化 ， 范 畴 的简 化 是 知 识 构成 模块 的简化 知识 系统 中的每一 个概 念都 可 惟 一 地表达成基本范 畴 ， 而 每一 个基本 范 畴都 由一 些初等范畴构成 ， 但 并不 是所有 的 基本范 畴都需要全部的初等范 畴来表达 即知 识系统 的表达是 可 以简化 的 事实上 ， 在 一个知 识系统 中 ， 某些基本范畴 的交可 以用其简化 基本范畴的交来表达 基于 知识 的广义优化方法一 般求解过程 如 图 所示 匣呵平蔽 二同一 “ 成” 识模型 …刃 ， ， ， ， 【 ， ， 」 二 ， ，』 ， 」 一 ， ， 一 一 〔 ， ， 一 一 〔 ， ， 一 一 ， 求知识系统化 网藤丽 约束条件 … 图 一般求解过－程 在基 于 知 识 的广 义优化 方法 中 ， 假定 ， 优化 问题表达 为 知 识 系统 ， ， 为规则 的数 目 ， 为属 性 的数 目 ， 为 条 件属 性 的数 目 ， 为 决 策属 性 的数 目 ， 求 知 识 系 统 的核 的算法 的 过程 说 明如 下 ， ， ， ， 锅炉燃烧配风方案的优化 问题 的描述 在 大型 火 力发 电厂 中 ， 当锅 炉 容量 较 大 或 燃烧器数 目较 多时 ， 为提 高锅 炉 的效率 、 降低煤 耗 并 防止 煤粉管堵 塞 ， 燃烧器 应 按 一 定 的风 门 开 度 向炉 内送入 空 气 ， 使整个 燃烧 室 的燃烧 效 果 良好 目前 生产上 采取人 工 凭经 验配 风 ， 使配 风 效果难 以保 证 因此 ， 需要 根据锅 炉 负荷和 不 同 的煤质 ， 在保 证运行安全性 的前提 下 ， 寻 找优 化配风 方 案 由于 锅 炉 燃烧系统机理 的复杂性 ， 使 基 于 精 确 数 学 模 型 的传 统 优 化 方 法 难 以应
416 北京科技大学学报 1999年第4期 用，采用基于知识的广义优化方法，从司炉的典 性值是可省略的或不可省略的，求知识系统的 型工况记录中提取锅炉配风的知识，在建立知 核值，如表2所示.从核值表可得到关于锅炉燃 识模型后进行知识化简和推理，得到一系列锅 烧优化配风方案的两组规则， 炉燃烧优化配风方案，使锅炉生产运行中燃烧 表1离散归一化 表2知识系统核值 状况得以优化调整，从而改善锅炉的运行水平 b 和节能效果 在该问题中，属性集参数应是能表征锅炉 2 燃烧系统的特征参数，包括：排烟温度，电负荷， 煤质参数，二次风的风门开度.在对属性值离散 3 归一化或进行编码后，各属性和属性值表示如 下. 8 条件属性：(a)排烟温度，(b)电负荷，(c)煤 (1)a3c2Va3c→d,(2)asc:VaC1→d, 质参数. 42→d, a→d, 各条件属性值编码为，排烟温度：1(131~ bC→d, a.b:vasc3→d, 132℃)，2(133-134℃)，3(135~136℃)，4 b3→d4. b;da. (137-138℃). 再根据条件，求得问题的解为第一组规则， 电负荷：1(290-295MW),2(295-300M 可按照上述规则制订锅炉燃烧优化配风方案. W),3(300-305MW),4(305-310MW). 煤质参数：1无烟煤，2烟煤，3褐煤 参考文献 决策属性：d二次风风门开度. 1涂序彦.智能自动化的研究方向与开发策略，见：中国 决策属性值编码为，二次风风门开度：1 人工智能学会第八届全国人工智能年会论文集.武汉： (0%-25%),2(26%-50%),3(51%-75%),4 武汉大学出版社，1998.1 2涂序彦.智能管理.北京：清华大学H版社，1995.74 (75%-100%). 3 Pawlak.Z,Rough Sets.Communications of ACM. 约束条件：为保证安全性，排烟温度要求小 1995,38:88 于137℃. 4章德龙.电厂锅炉原理.上海：上海电力学院出版社 3.2示例 1994.360 假定根据司炉的原始工况记录数据，通过 5 Slowinski R.Rough Set Approach to Decision Analysis. Al Expert,1995,7:77 离散归一化处理得到了下列决策表知识系统， 6万百五，黄正良.大工业过程计算机在线稳态优化控 如表1所示.通过计算每一决策类中哪一个属 制.北京：科学出版社，1998.205 Generalized Optimization Based on Knowledge Wan Jun,Tu Xuyan Information engineering school,UST Beijing,Beijing 100083.China ABSTRACT It is known that the traditional optimal theory has limitations on the ability of descriptions,the method of modeling,the realization of the method and the analysis of the model data.The concept and the method of generalized optimization based on knowledge are presented.They include the concept of knowledge in generalized optimization,the descriptions of the optimal problem and the general procedure of the generali- zed optimization.The main method composes of four steps:the knowledge modeling of the optimal problem, the founding of the generalized optimization algorithm,the reduction of the knowledge system and the con- struction of the decision rule.In order to illustrate the efficiency of the method,an application in the optimizing boiler combustion is given. KEY WORDS knowledge;generalized optimization;boiler combustion
一 北 京 科 技 大 学 学 报 年 第 期 用 采用基 于 知识 的广义优化方法 ， 从 司炉 的典 型 工 况 记录 中提 取锅 炉 配 风 的知 识 ， 在 建立 知 识模 型 后进行 知 识 化简和 推 理 ， 得 到 一 系列锅 炉 燃烧 优化配 风 方案 ， 使锅 炉生 产运行 中燃烧 状况得 以优化 调 整 ， 从 而 改善锅 炉 的运 行 水平 和 节 能效果 在 该 问题 中 ， 属 性集参数 应 是 能表 征 锅 炉 燃烧 系统 的特征参数 ， 包括 排烟温度 ， 电负荷 ， 煤质参数 ， 二 次风 的风 门开 度 在对 属性值离散 归一 化或进行 编码 后 ， 各 属 性和 属 性值 表示 如 下 条件属 性 排烟 温度 ， 电负荷 ， 煤 质参 数 各条件属 性值编码 为 ， 排烟温度 ℃ ， 一 ℃ ， 一 ℃ ， ℃ 电 负荷 一 ， 一 ， 一 ， 一 煤质参数 无烟煤 ， 烟 煤 ， 褐煤 决策 属 性 二 次风 风 门开 度 决策 属 性 值 编码 为 ， 二 次风 风 门开 度 一 ， 一 ， 一 ， 约束条件 为保证 安全性 ， 排烟温度要 求小 于 ， 示例 假 定根据 司 炉 的 原 始 工 况 记 录 数 据 ， 通 过 离散 归 一 化 处 理 得 到 了下 列 决 策 表 知 识 系统 ， 如表 所示 通过 计 算每 一 决策类 中哪 一 个 属 性值是可 省略 的或 不 可 省 略 的 ， 求 知 识 系统 的 核值 ， 如表 所示 从核值表可 得 到关 于 锅 炉燃 烧优化配风 方 案 的两 组 规 则 表 离散归一化 表 知识系统核值 ，冷 ，， ，冷 、 ， 冷试 ， 冷 姚 ， 冷 话 ， 冷 眺 ， 冷 试 冷 试 再根据 条件 ， 求得 问题 的解 为第一 组规 则 ， 可 按照 上 述规 则 制订锅 炉燃烧优 化 配风 方 案 参 考 文 献 涂序彦 智能 自动化的研究方 向与开发策略 见 中国 人工智能学会第八届全 国人工智能年会论文集 武汉 武汉大学出版社 ， 涂序彦 智能管理 北京 清华大学出版社 ， ， ， 章德龙 电厂锅炉原理 上海 上海 电力学院出版社 ， ， 万 百五 ， 黄正 良 大工业过程计算机在线稳态优化控 制 北京 科学 出版社 ， 肠 ， 匆砚 ， ， ， ， ， 议 晚 ， · · ， ， ， 而