Abstract
非線性混合整數問題(MINLPs)，在工程上為重要的問題，因為同時包含結 構變數(structure variables)與操作變數(operational variables)；舉反應蒸餾塔來說，結構變數可為蒸餾段板數、反應段板數、熱交換器的使用與否..等，操作變數可為進料溫度、回流比..等。因此，此種數學模式可以很真實地表達所要解決的問題，故重要的應用在製程或單元的設計上。J.Stichlmair(1995)又提到，特別是對先進製程，因為我們缺乏相關的經驗，若用傳統方法來設計此類問題，往往不能達到最佳的效益，所以應用MINLP於此類問題是非常重要的。以往，解決此種問題的方法，不是有問題上的限制，就是解出來的全域最佳值不甚理想，尚未有一個非常有用且有效的方法。故我們以基因演算法為基礎，配合訊息熵的輔助，並加入區域搜尋，希望藉此能提供MINLP問題一個很有效且容易使用的解法。訊息熵的利用，是幫助我們挑選突變的基因；最佳化過程，訊息指標提供我們資訊，以讓我們知道哪些基因最少被突變到，藉此來幫助跳離區域最佳值，而找到全域最佳值。區域搜尋的利用，讓我們可以有較佳的收斂速度，與解的準確度。我們用於兩個問題，代謝反應網絡與批次多產品設計；代謝反應網絡，我們可以不用對原問題做任何數學轉換，不需增加問題的變數，即可求得不錯的解；並可提供多種不同的網絡架構，讓生化相關人員作可行性的評估。批次多產品設計，我們則以較少的函數呼叫次數，大幅提高命中全域最佳解的機率。最終，我們希望提供一個演算法，能有效的解決非線性混何整數問題。