%0 Journal Article
%T Improved non-dominated sorting genetic algorithm applied in multi-objective optimization of coal-fired boiler combustion<br>改进NSGA-Ⅱ算法在锅炉燃烧多目标优化中的应用
%A YU Ting-fang
%A WANG Lin
%A PENG Chun-hua
%A <br>余廷芳
%A 王　林
%A 彭春华
%J 计算机应用研究
%D 2013
%I 
%X 提出改进非劣分类遗传算法NSGA-Ⅱ在燃煤锅炉多目标燃烧优化中的应用, 优化的目标是锅炉热损失及NOx排放最小化。首先, 采用BP神经网络模型分别建立了300MW燃煤锅炉的NOx排放特性模型和锅炉热损失模型, 同时利用锅炉热态实验数据对模型进行了训练和验证, 结果表明, BP神经网络模型可以很好地预测锅炉的排放特性和锅炉的热损失特性。在建立的锅炉排放特性和热损失BP神经网络模型基础上, 采用非劣分类遗传算法对锅炉进行多目标优化, 针对NSGA-Ⅱ在燃煤锅炉燃烧多目标优化问题应用中Pareto解集分布不理想、易早熟收敛的问题, 在拥挤算子及交叉算子上进行了相应改进。优化结果表明, 改进NSGA-Ⅱ方法与BP神经网络模型结合可以对锅炉燃烧实现有效的多目标寻优、得到理想的Pareto解, 是对锅炉燃烧进行多目标优化的有效工具, 同改进前的NSGA-Ⅱ优化结果比较, 其Pareto优化结果集分布更好、解的质量更优。
%K 多目标优化
%K 锅炉燃烧
%K NSGA-Ⅱ
%K BP神经网络
%K Pareto解集
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=A9D9BE08CDC44144BE8B5685705D3AED&aid=51EFA6F8AD100243A1AAD159A33DCADB&yid=FF7AA908D58E97FA&vid=340AC2BF8E7AB4FD&iid=CA4FD0336C81A37A&sid=E114CF9BB47B65BE&eid=B1F98368A47B8888&journal_id=1001-3695&journal_name=计算机应用研究&referenced_num=0&reference_num=20