采用结构融合策略优化换热网络

利用强制进化随机游走算法优化换热网络至后期时,个体网络结构基本定型,很难再被破坏或改变,潜在进化能力难以发挥作用,无法求解出更优结构。基于此,探究个体进化过程中的结构变化特性,分析后期结构优化的重心所在,提出结构融合策略,将两个个体结构融合到一起,形成新个体,放大原个体结构进化潜力。对新个体进行优化,其结构中所有换热单元互相竞争,引导结构进化潜力发挥作用,保留有益于结构进化的换热单元,淘汰阻碍结构进化的换热单元,生成部分新换热单元,促进个体进化形成更优换热网络结构。最后应用两个算例验证该策略的有效性,取得了可观的优化效果。     

采用结构融合策略优化换热网络

利用强制进化随机游走算法优化换热网络至后期时,个体网络结构基本定型,很难再被破坏或改变,潜在进化能力难以发挥作用,无法求解出更优结构。基于此,探究个体进化过程中的结构变化特性,分析后期结构优化的重心所在,提出结构融合策略,将两个个体结构融合到一起,形成新个体,放大原个体结构进化潜力。对新个体进行优化,其结构中所有换热单元互相竞争,引导结构进化潜力发挥作用,保留有益于结构进化的换热单元,淘汰阻碍结构进化的换热单元,生成部分新换热单元,促进个体进化形成更优换热网络结构。最后应用两个算例验证该策略的有效性,取得了可观的优化效果。     

换热网络优化中换热单元生成频次的影响分析及策略改进

换热单元的生成频次对换热网络优化有直接的影响，分析其机理可以指导求解算法的改进。本文采用节点非结构模型及强制进化随机游走算法，通过设置不同的换热单元生成概率与生成个数以改变换热单元的生成频次，观察并记录个体在优化过程中产生的年综合费用变化情况。发现不同生成频次下整型变量和连续变量的相对优化频率发生了变化，从而改变了整体优化过程，并且与个体当前优化状态不适应的生成频次会造成相对优化频率不平衡、优化结果较差。基于此，本文提出了一种具有生成参数动态调节策略的换热单元生成方式，在优化过程中根据个体状态实时调整换热单元的生成概率与生成个数，平衡整型变量与连续变量的相对优化频率。最后，采用15SP、10SP和20SP算例进行验证，换热网络的年综合费用较文献结果分别下降了1.06%、0.16%、0.68%，验证了该策略使得换热单元的生成频次更为合理，有效地提高了算法的优化效率。     

换热网络非结构模型中交叉结构的分析

采用强制进化随机游走算法优化换热网络非结构模型时易出现换热单元匹配相互交叉的现象,即同一对冷热流体上一个换热单元的冷、热流股的出口温度同时等于另一换热单元冷、热流股入口温度。这种交叉结构在热力学上是不合理匹配,其在优化中相互制约,从而影响算法效率和求解质量。针对这一问题,提出了交叉结构的禁忌策略,禁止在优化过程中出现交叉结构。通过两个不同规模的算例验证提出的策略,得到的结果分别为1 415 994和5 233 287$×year~(-1),相同时间内比改进前分别减少了40 645和182 899$×year~(-1)。结果表明,非结构模型的交叉结构禁忌策略能够提高算法效率和优化质量。     

具有步长调整策略的强制进化随机游走算法优化换热网络

强制进化随机游走算法(random walking algorithm with compulsive evolution,RWCE)是一种优化换热网络的新方法,具有程序简单、算法适应性和全局搜索能力较强等优点。本文研究了最大步长对RWCE算法优化性能的影响,提出了抛物线函数的最大步长递减调整策略来平衡RWCE算法的全局搜索与局部搜索能力。将引入策略的RWCE算法与基础算法比较,发现加入最大步长递减调整策略的RWCE算法与基础RWCE算法相比,在进化后期能够跳出局部极小值,具有更强的局部搜索能力。采用10SP2、9SP和15SP换热网络实例检验加入此策略RWCE算法的有效性,其中10SP2和9SP算例的优化结果均好于文献最好结果,相比算例原始文献下降了20.98%和1.11%。对15SP算例优化找到了新的换热网络匹配结构,并好于多数无分流换热网络优化结果,且低于文献结果 4.60%,证明了此方法在换热网络优化中具有较强的优化能力。     

采用每股流体必进化策略的换热网络优化方法

换热网络非结构模型是以一定概率随机选择冷热流体上存在的换热单元参与进化,因此每次进化过程中每股流体上不一定都有换热单元被选中参与进化。对于当前次迭代不参与进化的流股,该次迭代就没有意义。如要保证每股流体都进化一次需要增加大量迭代次数,对换热网络优化产生不利影响。针对这一问题,提出了以热流体为基准每股流体必进化策略,即每隔一定周期,使得每股流体上都有一个换热单元被选中参与进化。通过两个不同规模的算例验证提出的策略,得到的结果分别为1 411 131和1 518 969$·a~(-1)。结果表明,采用每股流体必进化策略的换热网络优化方法能够提高非结构模型的优化质量。     

采用结构保护策略的强制进化随机游走算法优化换热网络

鉴于强制进化随机游走算法（random walk algorithm with compulsive evolution, RWCE）在优化换热网络时可能出现有潜力结构被差解代替,提出了一种结构保护策略,增加一个与原种群平行进化的新种群,新种群执行结构保护,个体与原种群一一对应并接收其当前最优解,同时采用一种降维邻域搜索的进化方式,设置个体各维变量更新概率确定搜索维数,充分挖掘个体结构进化潜力,提升了算法的局部搜索能力;原种群则沿用RWCE的主要操作,保留了较强的全局搜索能力。将采用结构保护策略的RWCE算法用于有分流换热网络优化,取得了优于现有文献的结果。     

基于蒙特卡罗微分算法优化大规模换热网络

在换热网络数学模型及分级超结构基础上,提出蒙特卡罗结合微分进化算法,双层优化换热网络。外层利用蒙特卡罗算法全局范围内搜索最佳的换热网络结构;内层用微分进化算法优化换热器面积;通过设定合理的预期换热器个数,控制Grossmann超结构下产生换热器的个数,不但能提高求解效率,而且可以有效地解决大规模换热网络问题。最后,算例结果表明,基于蒙特卡罗微分算法能保证在全局搜索能力的前提下,混合求解策略能够获得较优的结果。     

一种大步长激励的结构进化策略应用于换热网络优化

强制进化随机游走算法（random walk algorithm with compulsive evolution,RWCE）具有进化策略简单、控制参数少、全局搜索能力强等特点,是换热网络优化的一种有效方法。鉴于步长对RWCE算法跳出局部最优解有重要的影响,针对RWCE算法的步长分布进行研究,通过分析大步长在局部极值跳出中的作用机理,建立了一种全新的步长组合生成方法,并据此提出了一种大步长激励的结构进化策略。最后,通过3个算例验证了结构进化策略的有效性,与文献结果进行对比,结果表明大步长激励的结构进化策略提高了算法的全局搜索能力。     

改进萤火虫算法应用于换热网络最优化

换热网络全局最优化目前已经成为系统工程领域的一个难点和热点,将萤火虫算法(Fire-fly Algorithm,FA)引入换热网络最优化并对其进行改进,提高算法在混合整数非线性规划中的效能。首先对换热网络中表示换热单元有无的整型变量作连续化处理,简化求解模型,更好发挥FA算法强大的连续变量搜索能力;然后,建立了光吸收系数自适应策略和最优个体的随机摄动策略,增强算法全局搜索能力的同时保证收敛精度;最后,将改进算法应用于换热网络综合的10SP和10SP1实例,优化结果表明,改进算法能够获得很好的结果,验证了该算法及改进策略的有效性。     

一种新的用于换热网络全局优化的强制进化随机游走算法

应用启发式方法在换热网络全局优化上的优点,提出了一种全新的强制进化随机游走算法（random walk algorithm with compulsive evolution,RWCE）,算法以目标函数减小为强制方向,通过各换热单元面积的随机扩大或缩小,同时实现了整型变量（换热单元数）和连续变量（换热单元面积）的同步优化。另外,算法能够以一定的概率选择接受差解,使其具备极强的跳出局部最优解的能力和全局搜索能力。算例验证表明,RWCE算法相比于其他启发式方法具有程序简单、更易实现、算法适应性及全局搜索能力更强的优点,使优化质量得到进一步提升。     

RWCE优化换热网络的不可行解影响分析及强化策略

换热网络优化问题常以外罚函数法处理约束，赋予违反约束的不可行解较大的罚值。强制进化随机游走算法(RWCE)优化换热网络时，其非贪婪搜索机制使不可行解以一定概率被保留，从而改变全局寻优过程。本文首先分析不可行解对优化进程的影响，揭示偏移量较小的不可行解对结构进化的促进作用；然后提出差解概率动态调整策略，合理利用不可行解的正面作用，强化结构进化能力；最后，鉴于上述优化结果中偏移量较小的不可行解居多，提出一种可行化策略，通过分段罚指数和双种群优化技术促使过程中有潜力的不可行解快速返回可行域，并提升优化质量。将结合两条强化策略的改进算法应用于16股流与15股流算例，优化结果较文献最优解分别节省了0.35%、0.48%，表明改进后的算法较原算法全局搜索能力得到了显著提升。     

应用于换热网络优化的并行双层RWCE算法

换热网络规模越大,其解空间内极值点呈指数性增长,优化时不仅要求算法具有强大的全局寻优能力,局部解空间的高精度搜索也不可或缺。鉴于强制进化随机游走算法（RWCE）优化换热网络时难以兼顾局部搜索能力、易导致遗漏最优解的现象,同时为增大算法优化大规模换热网络的种群数量,本文将精细搜索和并行计算相结合提出了并行双层RWCE算法。算法基于多核并行技术,通过并行线程分配建立基础层和精细层,基础层在并行计算技术加持下,算法全局搜索能力大幅提升,精细层将基础层当前最优解实时精细搜索,避免了原算法差解代替优解现象。最后通过两个算例进行验证,结果表明并行双层RWCE算法不仅具有更强的全局搜索能力,且兼具高精度的局部搜索能力,在优化进程中有效保护了最优解。     

一种基于并行计算的混合算法优化有分流换热网络

换热网络优化是化工过程系统工程领域的研究难点,其数学模型具有高度的非凸、非线性,在使用单一启发式算法优化时,往往具有局限性。研究以换热网络的年综合费用最小为目标,针对强制进化随机游走（RWCE）算法在优化时由于个体间独立进化,导致优化过程中信息缺乏交流的问题,提出将遗传算法（GA）与其混合。混合后的算法在保持前一半优势种群中的个体单独进化的基础上,通过周期性的交叉、变异等操作产生子代来替换掉劣势种群,从而增强了原有算法的整型变量优化能力,并弥补了弱势个体无法更新的不足。为了兼顾算法在大种群下优化有分流换热网络的计算效率,节约时间成本,使用OpenMP系统将混合算法实现了并行化设计。通过三个不同规模的换热网络问题对并行后的混合算法进行验证,结果表明该算法能在有效提升优化质量的前提下相比串行算法大幅缩短计算时间,其中两个算例突破了目前文献最优解。     

精细搜索策略应用于质量交换网络综合

质量交换网络是化工过程系统的重要组成部分,其优化设计对降低污染排放具有重要意义。采用启发式算法优化质量交换网络时,存在难以兼顾全局搜索和局部搜索的问题。通过分析不同精度优化参数下的优化结果,揭示了该问题的成因,并提出一种精细搜索策略用于基础算法所得结构的深度优化。该策略包含两种方法,方法1采用具有个体回代与分化的高精度强制进化随机游走算法,可保留个体结构变异能力;方法2采用确定性方法依次对多维目标函数中的每个变量进行一维搜索,具有精度高收敛快的优点。将该策略应用于焦炉气脱硫和空气除氨算例,得到的结果分别为407308 USD·a^-1和127807 USD·a^-1,经济性优于现有文献中的结果,验证了本策略的有效性。     

精细搜索策略应用于质量交换网络综合

质量交换网络是化工过程系统的重要组成部分,其优化设计对降低污染排放具有重要意义。采用启发式算法优化质量交换网络时,存在难以兼顾全局搜索和局部搜索的问题。通过分析不同精度优化参数下的优化结果,揭示了该问题的成因,并提出一种精细搜索策略用于基础算法所得结构的深度优化。该策略包含两种方法,方法1采用具有个体回代与分化的高精度强制进化随机游走算法,可保留个体结构变异能力;方法2采用确定性方法依次对多维目标函数中的每个变量进行一维搜索,具有精度高收敛快的优点。将该策略应用于焦炉气脱硫和空气除氨算例,得到的结果分别为407308 USD·a^-1和127807 USD·a^-1,经济性优于现有文献中的结果,验证了本策略的有效性。     

分离系统与换热网络同步优化方法的改进：神经元网络—遗传算法

采用神经元网络法和遗传算法，在过程系统用能一致性的基础上对分离系统与换热网络同步优化问题提出了改进的优化模型及优化策略。该方法不仅能够自动、迅速地同步得到分离序列与换热网络联合系统的流程结构与操作参数，而且具有获得全局最优解的能力。最后通过实例说明本方法的有效性。