摘要：针对确定性方法应用于换热网络全局热集成时易陷入局部极值的问题,采用乘子法建立辅助函数,将原来的换热网络有约束问题转化为无约束问题,在此基础上提出了基于牛顿法的极大、极小值交替优化算法应用于换热网络优化。该算法通过优化进程中极大值、极小值的交替计算,不断跳出当前的局部极小值并继续通过局部优化方法求解新一轮的局部极小值,从而实现换热网络的全局热集成。同时提出防止"回跳"策略,避免该算法计算过程中在某个区域重复优化的问题。将算法应用于两个经典换热网络实例,取得了较好的结果,验证了极大、极小值交替优化算法能够有效地改善确定性方法易陷入局部极值的问题,具有较强的全局搜索能力,使优化质量较文献得到了进一步提升。

摘要：针对微分进化(Differential Evolution,DE)算法应用于换热网络优化存在局部搜索能力不足、收敛速度慢和求解精度低等问题,提出一种混合微分进化(Hybrid Differential Evolution,HDE)算法。当DE算法的变异、交叉和选择操作不再使种群的最优值继续进化时,加入梯度操作使当前种群的最优个体趋向更好的解。为了防止算法早熟收敛,当种群的多样性低于设定的阈值时,引入迁移操作,在最优个体附近区域重新生成新的个体并以此替换旧的个体,增强算法的种群多样性。通过算例验证了该算法可以有效适用于换热网络的优化过程,具有更强的局部搜索能力,更快的收敛速度和更高的优化效率。

摘要：相较其他进化算法,强制进化随机游走(RWCE)算法能够始终保持较高的种群多样性,从而有效地跳出局部最优。然而,目前对于该算法进化过程中的控制参数如最大步长、最小换热量或换热面积以及接受差解概率的设置仍无严格定义,其取值方法和取值范围都将对结构进化的进度、换热单元生成和消去速度以及最终的换热单元数产生直接影响。根据换热单元数设定逐渐变化的控制参数,进行逐级优化尝试。引入logistic函数作为接受差解概率的取值策略,使最大步长和保留系数均随换热单元数线性变化,实现控制参数的动态更新从而促进换热网络结构进化。通过算例验证,该策略能提高RWCE算法优化换热网络的效率,可获得更理想的网络结构。