论文小为，并且有。那么需要从当前的非支配集中除去个个体，这些被去除的个体不是随机选取的，而是根据拥挤度比较算子选择性地去除优秀度不够的个体。基于拥挤度距离来保持个体解的多样性策略就是根据式，计算种群中个非支配个体的拥挤度距离，然后对这个个体按拥挤度距离升序排序，最后将个拥挤度距离最小的个体次性去除，从而使新父代种群规模大小维持不变。显然，这种维持多样性的策略过于粗糙，使得个体解的分布性较差。由于传统的拥挤度距离的分布性保持策略存在如下两个缺陷如图实心黑点表示非支配个体图个体的拥挤度距离由于个体的拥挤度距离都比较小，若次性去除所有拥挤度距离较小的个体，则会出现个体与之间个体的缺失，从而影响解的分布性。对于个体来说，由于其在其中维目标上的差值很大，而在另维目标上差值却很小，这使得的拥挤度距离也比较小。而对于个体，由于其在各个维目标上的差值都相差不是很大，使得的拥挤度距离也比较第章算法大，此时传统算法会误认为的分布性比要好，但事实上，的分布性要比好。由此可见，基于传统的拥挤度距离来保持解的分布性策略中，个体的拥挤度距离是不变的。也就是说，在次种群维护中，种群中个体的拥挤度距离只计算次。针对上述拥挤度距离的两个缺陷，提出以下相应的解决方法。对于缺陷，可以在种群维护过程中，每去除个个体后重新计算种群中剩余个体的拥挤度距离。对于缺陷，个体的新拥挤度距离可以根据下式进行计算其中，是传统的拥挤度距离，可根据式计算可以根据下式得出表示个体在各个维目标上其相邻个体的拥挤度距离的方差，它能反映出各个维目标拥挤度距离的差异程度。例如，对于图中个体与来说，个体的明显大于的。如此，式中定义的新拥挤度距离计算公式，可以使种群中类似个体的解个体，即在不同维目标上拥挤度距离差异程度较大的个体，在种群维护过程中有更多的机会得到保留。下面讨论基于新拥挤度距离保持解的多样性策略的具体描述。若种群规模大小为，当前非支配集的大小为，且，则根据从中去除个个体的具体描述如下根据式计算中每个个体的动态聚集距离。对中的个体按新拥挤度距离进行升序排序。将中拥挤度距离最小的个体从中去除。若，则结束种群维护否则返回步骤，继续执行。由以上可以看出，利用经过改进的拥挤度距离计算公式来维护种群时表现出两个重要特点燕山大学本科生毕业设计论文每次只去除当前非支配集中最小的个个体。在去除个个体后，重新计算中个体的。这样就可以避免次性去除过多个体而造成解个体在区域的缺失，最终可以得到分布更为均匀的前沿。由于使用式来计算个体的，在式中不仅考虑了种群个体之间的拥挤情况，而且还考虑了种群个体在不同维目标上拥挤度距离的差异情况。这有利于维护在不同维目标上拥挤度距离差异较大的前沿的分布性。算法流程算法的基本流程是首先，随机产生种群规模大小为的父代种群，然后由父代种群产生子代种群，其种群规模大小同样为。将两个种群混合在起，形成了种群规模大小为叉参数作不同取值时的最终结果。图不同交叉参数下的最终优上述快速非支配排序算法步骤的和需要次计算。于是，整个迭代过程的计算复杂度最大是。这样，整个快速非支配排序算法的计算复杂度就是,根据上述快速非支配排序算法的步骤，相应的伪代码为对于种群第章算法拥挤度拥挤度的确定在原来的算法中，采用共享的小生境技术确保证种群的多样性，但这需要由决策者指定共享参数的值。为了克服算法中的这种不足，中引用了拥挤度的概念拥挤度表示在种群中给定点的周围个体的密度，用表示，直观上用个体周围包含个体但不包含其余个体的最大长方形的长来表示，具体如图所示。图个体的拥挤度在带精英策略的非支配排序遗传算法中，拥挤度的计算是确保种群多样性的个重要因素，其计算步骤如下燕山大学本科生毕业设计论文每个点的拥挤度置为针对每个优化目标，对种群进行非支配排序，令边界上的两个个体的拥挤度为无穷大，即对种群中其他个体的拥挤度进行计算在上式中，表示点的拥挤度，表示点第个目标函数的函数值，表示点的第个目标函数的函数值。拥挤度比较算子经过前面的快速非支配排序以及拥挤度计算之后，种群中的每个个体都拥有如下两个属性非支配排序决定的非支配序拥挤度根据这两个属性，可以定义拥挤度比较算子个体与另个个体进行比较，只要下面任意个条件成立，则个体获胜。若个体所处的非支配层优于个体所处的非支配层，即。若种群中两个个体有相同的等级处在相同的非支配层，且个体的拥挤距离大于个体的拥挤距离，即且。条件用来确保被选择的个体属于在种群中比较优秀的非劣等级。条件是根据它们的拥挤距离来选择处在相同的非支配层的两个个体，位于较不拥挤区域的个体有较大的拥挤度会被选择。根据这两个条件，选出种群中胜出的个体进入下个操作。精英策略算法引入了精英策略，以防止在种群的进化过程中优秀个体的流失，通过将父代种群与其产生的子代种群混合后进行非支配排序的方法，能够有较好地避免父代种群中优秀个体的流失。精英策略的执行步骤如图所示第章算法拥挤度比较算子非支配排序优越度不够，淘汰图精英策略的执行步骤首先，要将第代产生的子代种群与父代种群合并在起，组成种群规模大小为的新种群。然后将种群进行非支配排序，求出系列非支配集并且计算每个个体的拥挤度。因为父代和子代的个体都包含在种群中，所以经过非支配排序后的非支配集所包含个体是整个种群中最好的个体集合，故先将放到新的父代种群中。若此时种群的规模小于，那么需要继续向中填加下级的非支配集，直到添加到非支配集时，种群的大小超出，则对中的每个个体使用拥挤度比较算子，取前个个体，使种群的规模达到。然后通过遗传算子，如选择交叉变异，来产生新的子代种群。在算法中，通过引入拥挤度比较算子来确保非劣解的多样性。由于比较的是种群中所有个体的拥挤度，所以在这过程中没有依赖在算法中出现的共享参数。算法的拥挤度距离公式改进在传统的算法中，如果种群规模大小为，当前非支配集大燕山大学本科生毕业设计化结程，液蒸发走壳程高压换热管尺寸外内高压换热管尺寸外内热负荷热负荷产量产量气体压力热气体平均压力气入口温度热气入口温度气出口温度热气出口温度软水入口温度液氨入口温度副产蒸气压力表液氨蒸发温度进气量标液氨量进水量管内给热系数管内给热系数管外给热系数管外给热系数传热总系数传热总系数平均传热温差平均传热温差传热面积传热面积管数管数武汉工程大学本科毕业设计第六章安全备忘录合成氨生产的物料易燃易爆有毒和工艺条件决定其具有极大固有危险性，事故统计表明，化工系统爆炸中毒事故最集中的就是合成氨生产。爆炸合成氨生产中的化学爆炸可归成三类。是高温高压使可燃气体爆炸极限扩宽，气体物料旦过氧亦称透氧，极易在设备和管道内发生爆炸二是高温高压气体物料从设备管线泄漏时会迅速膨胀与空气混合形成爆炸性混合物，遇到明火或因高流速物料与裂喷口处摩擦产生静电火花引起着火和空间爆炸三是气压机等转动设备在高温下运行会使润滑油挥发裂解，在附近管道内造成积炭，可导致积炭燃烧或爆炸。高温高压可加速设备金属材料发生蠕变改变金相组织，还会加剧氢气氮气对钢材的氢蚀及渗氮，加剧设备的疲劳腐蚀，使其机械强度减弱，引发物理爆炸。物理爆炸后往往接着发生化学爆炸。中毒合成氨生产中，液氨大规模事故性泄漏会形成低温云团引起大范围人群中毒，遇明火还会发生空间爆炸。氧化碳硫化氢的中毒频度和严重度则都是化工生产中最高的。氧化碳氧化碳属血液窒息性气体，进入血液后与血红蛋白结合生成碳氧血红蛋白，使血液输氧造比较多，工作面设备开机率按考虑，采煤机割煤速度为，两采放，则每刀割煤所需时间每日有效割煤时间每日进刀刀年推进度。工作面生产能力综放工作面年产量矿井产量矿井掘进出煤按考虑，则全矿井的煤炭产量为三采区及工作面回采率二煤层厚，平均，煤层属于厚煤层。根据煤炭工业矿井设计规范规定，二煤层采区回采率为，放顶煤回采工作面回采率为。四回采工作面接替采区工作面为本矿井首采工作面，采区内区段运输平巷采用沿空掘巷，工作面回采期间同时掘进工作面上下区段平巷。工作面接替顺序为。采区巷道布置煤层分组和开采顺序本矿井仅开采二煤。二采区巷道布置采区上山布置根据运输和通风的需要布置轨道上山，回风上山胶带输送机上山共三条上山。其回风上山轨道上山和输送机上山均布置在煤层中。胶带输送机上山通过水平采区煤仓与运输大巷相接。三回采工作面布置本矿井采用现代化综采放顶煤次采全厚工作面，工作面即可达到设计生产能力。采区车场和硐室布置采区上车场为平车场，中部车场为甩车场，下副产绝热蒸气，代入上式总传质系数计算设气相测污垢系数设液相侧污垢系数钢内外平均传热温差计算管内气体温度管内软水传热面积武汉工程大学本科毕业设计实际取换热面积按根型管，需列管数根氨冷器设备工艺计算计算条件选立式氨冷器，热气走管程，液蒸发走壳程。高压论文小为，并且有。那么需要从当前的非支配集中除去个个体，这些被去除的个体不是随机选取的，而是根据拥挤度比较算子选择性地去除优秀度不够的个体。基于拥挤度距离来保持个体解的多样性策略就是根据式，计算种群中个非支配个体的拥挤度距离，然后对这个个体按拥挤度距离升序排序，最后将个拥挤度距离最小的个体次性去除，从而使新父代种群规模大小维持不变。显然，这种维持多样性的策略过于粗糙，使得个体解的分布性较差。由于传统的拥挤度距离的分布性保持策略存在如下两个缺陷如图实心黑点表示非支配个体图个体的拥挤度距离由于个体的拥挤度距离都比较小，若次性去除所有拥挤度距离较小的个体，则会出现个体与之间个体的缺失，从而影响解的分布性。对于个体来说，由于其在其中维目标上的差值很大，而在另维目标上差值却很小，这使得的拥挤度距离也比较小。而对于个体，由于其在各个维目标上的差值都相差不是很大，使得的拥挤度距离也比较第章算法大，此时传统算法会误认为的分布性比要好，但事实上，的分布性要比好。由此可见，基于传统的拥挤度距离来保持解的分布性策略中，个体的拥挤度距离是不变的。也就是说，在次种群维护中，种群中个体的拥挤度距离只计算次。针对上述拥挤度距离的两个缺陷，提出以下相应的解决方法。对于缺陷，可以在种群维护过程中，每去除个个体后重新计算种群中剩余个体的拥挤度距离。对于缺陷，个体的新拥挤度距离可以根据下式进行计算其中，是传统的拥挤度距离，可根据式计算可以根据下式得出表示个体在各个维目标上其相邻个体的拥挤度距离的方差，它能反映出各个维目标拥挤度距离的差异程度。例如，对于图中个体与来说，个体的明显大于的。如此，式中定义的新拥挤度距离计算公式，可以使种群中类似个体的解个体，即在不同维目标上拥挤度距离差异程度较大的个体，在种群维护过程中有更多的机会得到保留。下面讨论基于新拥挤度距离保持解的多样性策略的具体描述。若种群规模大小为，当前非支配集的大小为，且，则根据从中去除个个体的具体描述如下根据式计算中每个个体的动态聚集距离。对中的个体按新拥挤度距离进行升序排序。将中拥挤度距离最小的个体从中去除。若，则结束种群维护否则返回步骤，继续执行。由以上可以看出，利用经过改进的拥挤度距离计算公式来维护种群时表现出两个重要特点燕山大学本科生毕业设计论文每次只去除当前非支配集中最小的个个体。在去除个个体后，重新计算中个体的。这样就可以避免次性去除过多个体而造成解个体在区域的缺失，最终可以得到分布更为均匀的前沿。由于使用式来计算个体的，在式中不仅考虑了种群个体之间的拥挤情况，而且还考虑了种群个体在不同维目标上拥挤度距离的差异情况。这有利于维护在不同维目标上拥挤度距离差异较大的前沿的分布性。算法流程算法的基本流程是首先，随机产生种群规模大小为的父代种群，然后由父代种群产生子代种群，其种群规模大小同样为。将两个种群混合在起，形成了种群规模大小为叉参数作不同取值时的最终结果。图不同交叉参数下的最终