NSGA-Ⅱ和NSGA-Ⅲ应用于换热网络多目标优化的对比

针对换热网络多目标优化问题，采用目前应用较广泛的两种多目标遗传算法，即NSGA-Ⅱ和NSGA-Ⅲ，对两种算法的性能进行对比研究。案例研究结果表明，NSGA-Ⅱ算法比NSGA-Ⅲ算法运行效率更高，NSGA-Ⅲ的运行时间是NSGA-Ⅱ的2倍以上；NSGA-Ⅱ算法的应用并不严格地受限于3个目标的最大目标数量，NSGA-Ⅱ在求解大于3个目标的多目标优化问题时也可能具有良好的性能，目标数量并非选择NSGA-Ⅱ和NSGA-Ⅲ算法的严格标准。对10×5换热网络案例进行4个相关目标改造优化时，从换热网络的单一性能指标来看，NSGA-Ⅱ算法更容易获得各目标的极值。从最小年度总费用的评价指标来看，两种算法的最优方案效果相近。对7×3换热网络案例进行6个目标的优化时，NSGA-Ⅲ算法得到各目标的极值较优。从最小年度总费用的评价指标来看，NSGA-Ⅲ算法获得的投资费用和年度总费用更小。对于目标函数数量不超过3个，或者3个以上具有一定相关性的多目标优化问题，推荐优先使用NSGA-Ⅱ算法实现快速寻优；而NSGA-Ⅲ算法由于其基于参考点的选择机制，运行效率较慢，更适合用于收敛困难的高维多目标优化问题。     

基于NSGA-Ⅲ算法的高维能量集成网络的优化改造

针对现有随机算法对高维能量集成网络（换热网络）求解困难与易陷入局部最优的问题，提出了一种基于参考点的非支配排序遗传算法（NSGA-Ⅲ）的换热网络优化方法。该方法使用特殊的支配关系引入了自适应离散化Pareto前沿与参考点机制，对那些非支配且接近参考点的种群个体进行保留。本文基于非等温混合分流分级超结构模型，以用户最关心的环境影响指数、投资费用、操作费用与改造工程量为改造优化目标，从多个方面、多个层次考虑换热网络改造问题，为用户提供多种可供选择的改造方案。案例研究表明，改造后的换热网络以每年57304USD的投资费用节省25%的年度操作费用，同时还具有较小的环境影响指数与改造工程量；与文献相比，可以提供多元化的节能改造方案，满足用户的不同改造需求，且获得优于文献的综合改造结果，表明该方法具有较强高维求解能力。     

数据驱动的跨临界CO2热泵多目标优化设计

针对跨临界CO₂热泵成本过高与占用空间大等问题，提出了一种基于经济性与实用性的数据驱动跨临界CO₂热泵多目标优化设计方法。本文通过对跨临界CO₂热泵进行性能模拟获得大量的驱动数据，然后经由BP神经网络构建跨临界CO₂热泵的热力学预测模型，并且从投资、运营、环境以及空间占用等多角度建立跨临界CO₂热泵的多目标优化模型。最后以住宅用户最关心的总年度成本与水箱容积为设计优化目标，通过精英策略非支配排序遗传算法（NSGA-Ⅱ）与TOPSIS决策法进行最优设计方案求解。案例研究表明，占用空间小、总年度成本低的最优设计方案的水箱体积为0.235m³、总年度成本为958.1USD/a。且通过分析设计参数对优化目标的影响，发现水箱保温层厚度的影响主要集中在一个较优区域，水箱直径与高度的影响较大，而气冷器换热温差的影响较小。