文化基因粒子群算法在换热网络连续变量全局优化中的应用

在换热网络的综合优化中,连续变量的优化通常采用确定性方法。相比于整型变量优化,连续变量优化相对容易处理,但存在容易陷入局部最优和无法收敛到全局最优的问题。针对这一问题,提出一种在标准粒子群算法中结合局部搜索策略的文化基因粒子群算法;结合换热网络最小年综合费用小和计算时间短的优点,提出Ring+Random粒子种群拓扑结构;结合算法控制参数的设置与粒子种群拓扑结构的改进,使文化基因粒子群算法具有更好的全局收敛性能。采用6个10股流体算例验证文化基因粒子群算法在给定换热网络结构下的连续变量全局收敛性能,与文献值相比,换热网络最小年综合费用最大减少了26 025$/a。     

基于改进粒子群算法的蒸汽驱注采方案优化

针对蒸汽驱注采方案优化问题,以累积油汽比为优化目标,建立了以注汽速率、蒸汽干度和注汽压力等为约束条件的蒸汽驱注采方案优化数学模型,采用改进粒子群算法对该模型进行了求解,并优化了蒸汽驱的主要注采参数。改进粒子群算法以进化停滞步数为依据,对个体历史最优值和邻域内粒子的最优值实施随机扰动,并且只接受使个体适应度增加的随机扰动操作,使记忆中的最优粒子跳出局部最优解,保证了种群的多样性,提高了算法的精度和稳定性。实例计算证明,该优化模型计算结果准确,优化算法有效。通过该优化方法可快捷准确地进行蒸汽驱动态优化和方案调整,以便于指导蒸汽驱高效运行。     

换热单元协进化的微分进化算法优化换热网络的性能

采用微分进化算法应用于换热网络综合时,针对换热网络分级超结构模型中的整型变量即换热器有无问题,提出两种换热器协进化策略,分别利用差分进化原理与最小换热潜能约束实现换热单元协进化生成与消去,结合微分进化算法搜索合理的换热单元匹配。通过两个经典算例分析证明了算法的有效性,寻找到了更加符合实际生产的换热网络结构,优化结果较文献的年综合投资费用更低,用于工业生产过程中,可以稳定有效地节约成本。     

基于温差原则的换热网络分步综合策略

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。     

混沌蚁群算法应用于小规模换热网络综合问题

针对换热网络综合问题的严重非凸、非线性,采用一种混沌优化算法即混沌蚁群算法,同步综合换热网络。为充分验证混沌蚁群算法的搜索能力与特性,选择相对于固定结构更为复杂的小规模换热网络综合问题作为研究对象。同时引入Powell法作为局部搜索策略,提高算法的求解精度。选用3个小规模算例对算法进行验证,均获得了相对文献更好的换热网络设计,证明了混沌蚁群算法优越的搜索能力。     

基于模拟退火算法的换热网络双层优化方法

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。     

基于蒙特卡罗遗传算法的换热网络优化问题

在换热网络超结构及其数学模型的基础上,提出了换热网络优化的蒙特卡罗遗传混合算法,利用蒙特卡罗方法在解空间进行全局搜索,得到最佳换热匹配,由此引入遗传算法对网络优化问题中的连续性变量进一步优化,降低换热网络年综合费用。实例表明,应用蒙特卡罗遗传混合策略能在保证算法的全局搜索能力的前提下,提高换热网络优化效率,并能使换热匹配更加合理,减少加热器和冷却器的投入,降低网络的综合费用。     

基于改进蜣螂优化算法的瑞雷波频散曲线反演方法

瑞雷波勘探方法是一种常用的近地表勘探技术，频散曲线反演是瑞雷波勘探数据处理流程中的关键步骤之一。作为一个典型的多参数、多极值、高度非线性的地球物理优化问题，频散曲线的准确、高效反演对计算近地表横波速度场，进而获取地层结构信息具有重要意义。提出一种基于改进的蜣螂优化算法的瑞雷波频散曲线反演方法，使用Halton序列初始化种群个体的位置，更好地控制初始化种群的空间分布；通过种群划分，对不同的子种群采用不同的搜索策略，一方面避免反演搜索陷入局部最优，同时实现算法的快速收敛。使用3个理论地质模型和实际资料，对改进蜣螂优化算法应用于频散曲线反演以获取地下横波速度分布的有效性进行验证。结果表明，与使用当前较为主流的改进自适应遗传算法进行频散曲线反演相比，新方法有效、稳定且能够快速收敛得到最优解。     

海洋石油平台自动化管路布局优化算法设计

目前管路布局多依靠人工设计完成,工作量大、设计周期长。为提高设计效率,设计了一套自动化管路布局遗传模拟退火算法。其针对遗传算法易早熟、收敛速度慢等问题,引入模拟退火思想,对遗传算子进行Metropolis规则改进,提高初期进化时种群多样性,增强算法全局搜索能力;设置等温和退温内、外2层循环,提高算法收敛速度和性能。利用遗传算法和遗传模拟退火算法进行管路布局仿真试验计算并进行对比,对比结果表明,在相同初始条件和计算精度下,后者全局搜索能力强,不易陷入局部最优解,且收敛迅速、稳定,运算结果优于前者。     

基于遗传—退火混合算法的油藏动态优化研究

油藏生产优化组合寻优过程往往会陷入局部最优解的陷阱中,无法在短时间内跳出局部最优解,且计算耗时长。首次将遗传—退火混合算法(SG-AG)引入到油藏模拟的注采参数优化中,基于概率机制迭代寻优方向,对种群进行大规模扰动,在交叉变异中引入退火模拟算法,加强扰动产生新群体,避免寻优陷入局部收敛,提升了全局搜索性。同时,通过SPSA随机扰动算法,计算目标函数近似梯度确定单次优化的扰动步长。将算法与油藏数值模拟结合,实现对A油田转注后注采结构参数的优化。优化结果显示,模型能够有效控制并优化油藏生产制度时间,优化后预计累产油提高约1.9×10~4m~3,达到了增油控水的目的,为类似油田转注开发提供了借鉴。