摘要：强制进化随机游走算法优化换热网络时,在个体选择阶段通过设置接受差解概率增强结构的进化能力,但优化过程中会出现个体在较短的迭代步数内未充分发挥其优化潜能而再次被差解取代的现象,使优化精度降低。针对两次接受差解间迭代步数较少的情况,提出差解结构的多程优化策略,将第二次接受差解前的结构传递给新种群。通过20流股(SP)和10流股算例验证,得到相较文献更低的年综合费用,分别为1396465和8705500$/a,表明引入该策略后,优化效率和质量得以提高。

摘要：针对差分进化算法运用于换热网络优化时后期搜索效率低,容易出现早熟收敛而陷入局部最优的不足,以变量方差为种群多样性定量评价指标。分析了差分进化算法的控制参数对种群多样性的影响及种群多样性与算法寻优能力之间的关系,在此基础上建立缩放因子自适应调整和种群动态更新策略的改进差分进化算法并应用于两个换热网络实例,优化参数以年综合费用为目标,结果分别为5 606 985和2 928 032$/a,较改进前分别减少19 089和18 042$/a。改进后的差分进化算法能够在进化过程中提升种群多样性,增强算法搜索能力,抑制算法早熟收敛。

摘要：针对同时存在整型变量及连续变量的换热网络优化问题,提出一种多子群协进化的粒子群算法。为了增强粒子群算法的全局搜索能力,将种群按精英个体、一般个体、较差个体划分为3个子群,针对每个子群的粒子进化状态提出不同的学习算子,用于丰富粒子的进化方式,增加种群多样性;同时建立协进化机制,动态地更新子群,以实现粒子之间的良性竞争,更好地引导粒子进化。采用结构优化策略处理整型变量,并与多子群协进化的粒子群算法结合,实现了连续变量与整型变量的同步优化。通过两个优化实例验证算法的性能,优化结果表明了新方法的有效性。

摘要：针对同时存在整型变量及连续变量两种变量形式的换热网络优化问题,提出一种基于模拟退火算法的双层优化方法,分别处理代表结构的整型变量及代表费用的连续变量优化。外层算法以经济费用目标作为判断换热网络结构优劣的标准,通过随机扰动产生试探结构,借助模拟退火机制逐步进化外层结构;内层算法以流股间匹配的换热量作为优化变量,采用模拟退火算法实现费用连续变量的优化,再反馈到外层的结构优化过程。两个具体算例证明:模拟退火算法应用于换热网络结构的整型变量优化可以找到较优换热网络结构,而双层优化方法可有效处理具有整型变量和连续变量两种变量形式的换热网络优化问题,取得较好的换热网络设计。

摘要：针对启发式方法在优化换热网络时由于个体团聚而出现搜索能力下降,建立一种换热网络结构多样性评价方法,对种群中个体结构团聚程度进行衡量,并指导算法改进.对种群进行集团划分,将一定数目的具有公共结构的个体归为一个集团,从而得到个体结构分布;提出分散搜索策略,对于各集团中除集团最优个体外的其它个体,从其公共结构中随机选择若干个换热器进行摄动以分散集团中的个体结构;提出集中搜索策略,通过使其它个体获得最优集团对应公共结构以加强对较优结构的集中开发;采用9股流与15股流两个算例,验证分散搜索策略增强了全局搜索能力,集中搜索策略增强了局部搜索能力,优化结果分别较原算法降低了7 008■·a^(-1)与17 973■·a^(-1)且均优于文献结果.

摘要：强制进化随机游走算法(RWCE)同步综合换热网络时,存在个体最优解的进化路径被接受差解打乱而不接受差解又很难跳出局部最优的问题.提出一种采用三层保护策略的RWCE算法,将种群中个体分为三层,底层采用基本RWCE进行优化,以保护个体的全局搜索能力;中层读取底层各个体的历史最优解,并采用带微调功能的RWCE进行优化,以保护各个体最优解的进化路径不被打乱;顶层所有个体以中层最优个体的解为初始点,采用带自动精细搜索功能的RWCE进行优化,以保证最优个体得到充分的搜索;最后将顶层搜索到的结果传递给底层对应个体.实例表明,算法在允许接受差解的同时保护了个体最优解的进化路径,并实现了全局搜索能力与局部搜索能力的兼顾.

摘要：针对标准DE(差分进化)算法在优化换热网络时出现的局部搜索能力弱、易陷入局部最优等问题,本文建立了一种基于动态拓扑结构的分布式Memetic差分进化算法,同步综合换热网络。首先,在子种群内部采用基于欧拉距离的动态拓扑结构,子种群之间采用冯诺依曼拓扑结构,有效地加快了个体之间的信息交流,保持种群多样性,扩大搜索范围。继之,结合Memetic算法思想,将Hooke-Jeeves算法作为局部搜索策略,增强算法局部搜索能力。同时,对于局部搜索获得的新解,提出了一种协作学习机制,平衡算法的全局寻优与快速收敛能力。最后,为处理整型变量,提出了两条简单有效的整型变量优化策略,使算法实现了连续变量与整型变量的同步优化。选取两个经典算例验证了算法的有效性。算法应用于算例一,相对于现有文献的最优值,本文所得结构的费用值下降了1 783$/a,表明算法的性能优于标准DE算法以及其它改进版本的DE算法。算法应用于算例二,相对于现有文献的最优值,本文所得结构的费用值下降了1 209$/a,表明算法能够有效地处理大规模换热网络问题,具有很强的鲁棒性。

摘要：换热网络全局最优化一直是系统集成领域的难点。强制进化随机游走算法在优化过程中,对于不同实例、不同初始条件、不同随机条件和不同优化阶段,无法预知最优的控制参数组合。因此,建立控制参数的动态协调策略,周期性地随机更新种群中个体的优化参数,同时保护周期内的有效参数组合,从而实现每个个体优化路径的动态调整,拓宽其搜索方向,寻得最佳参数匹配路线,提升全局优化质量。最后,将改进后算法应用于两个工业算例,所得的年综合费用较原算法结果分别下降了0.49%和0.05%,且均低于公开文献最优结果,表明控制参数的动态协调策略能够更有效地促进原算法的全局搜索。

摘要：针对于启发式算法应用于换热网络优化时,后期由于种群多样性消失或其他原因导致年综合费用难以进一步下降的问题,提出了一种结构进化增强策略。该策略在一般启发式算法的整型变量优化中,通过将换热单元的生成与消去分开处理,先以一定概率随机地在网络中生成若干换热单元,再在连续变量优化的过程中实现换热单元的消去,提升网络结构变异能力。最后,将该策略与强制进化随机游走算法(random walk algorithm with compulsive evolution,RWCE)相结合形成一种新的混合算法(ESE-RWCE)。算例研究表明,ESE-RWCE算法相比于RWCE算法实现了全局搜索性能的提升。

摘要：在温差原则的基础上,提出了一种换热网络的分步综合策略。采用蒙特卡罗随机抽样技术优化获得换热网络的初始结构,在此初始结构的基础上利用换热网络的温差原则逐步生成新的换热器改变网络结构,每步都结合牛顿法对整个网络进行优化,以此权衡设备投资费用与公用工程费用来获取具有最优年综合费用的换热网络设计结构。两个具体的换热网络算例表明,分步综合策略能够提高换热网络的总换热量,实现能量的综合利用;优化结果与文献值相比,设备投资费用明显减少,从而能获得最优的年综合费用。