无分流的管壳式换热网络优化研究

提出无分流管壳式换热网络的分级超结构模型,得出优化该换热网络的目标函数和约束条件,采用位置加权的改进粒子群算法进行优化举例。结果表明,通过选择合适的加权因子,位置加权的改进粒子群算法能加快算法的收敛速度,更快地得到全局最优解,从而得到最佳的管壳式换热网络优化参数。     

微分进化算法优化换热网络的性能

通过分析换热网络换热器面积与综合费用之间的关系,证明了连续变量引起的换热网络非线性及非凸等特性,这些特性造成换热网络局部最优解众多。而传统的基于梯度的优化算法受初始点影响很大,容易陷入局部最优解,是换热网络最优化的障碍所在。针对优化换热网络问题难以稳定收敛的角度出发,在换热网络分级超结构模型的基础上,研究了微分进化算法求解换热网络问题的鲁棒性。通过具体的算例,在固定结构下与经典的牛顿法比较,结果表明,该方法优化结果不受初始点影响,具有很好的鲁棒性,并且年综合费用得到进一步降低。用于工业生产过程中,可以稳定有效地节约成本。     

基于群体智能算法的换热网络同步最优综合

换热网络同步综合方法一般需要建立复杂的混合整数非线性数学规划模型,该模型具有非凸、非线、不连续的特点,属于最难求解的一类NP-hard问题,应用传统的优化算法很难确定其全局最优解,尤其是对大规模换热网络综合问题,甚至无法在合理时间内接近全局最优的局部最优解。针对换热网络同步综合问题,提出基于群体智能算法的分层优化策略,外层采用离散粒子群算法与遗传算法相结合的混合群体智能算法优化换热网络结构,内层在结构变量给定条件下利用改进粒子群算法优化冷热物流分流比与换热负荷。两个典型算例研究证明了该方法能以较高的效率和稳定性得到较好的优化结果。     

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。     

棋盘模型在换热网络优化中的应用

针对复杂整数非线性的换热器网络综合和优化问题,文中应用换热网络流程模拟的棋盘模型及其相应的算法,建立了换热网络同步最优综合的数学模型,通过改变网络的结构次序的数学规划优化计算,以10SP1问题为例,获得了优于以往文献的最优换热网络结构。结果表明,文中应用棋盘算法建立的换热网络求解模型及其算法,具有简单、直观、灵活、易实现的特点,能够得到综合性能更优的网络结构。     

基于AEA和PSO的双层同步换热网络综合方法研究

换热网络优化是一个多维、非凸、非线性、不连续的复杂混合整数非线性规划问题,传统的优化方法很难寻找到全局最优解。针对该问题研究建立了换热网络分级超结构非等温混合模型,提出了一种双层同步优化算法。该算法外层使用Alopex Evaluation Algorithm(AEA)算法优化结构变量分流比,内层使用Particle Swarm Optimizer(PSO)算法优化换热量。还提出了一种改进的不可行解修复策略,改善了算法的搜索能力。三个案例研究用以说明算法可以稳定寻找到较好的优化结果。     

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。     

基于经济目标和分解协调策略的换热网络最优设计

分析了换热网络在过程系统中的功能 ,从火用分析和火用经济学的角度提出了换热网络最优合成设计的实用火用经济目标函数 ,它包含了网络的流动火用损费 ,且可分解为各个换热单元的总费用之和 .在换热网络目标函数可分解性的基础上 ,本文又进一步提出了换热网络分解协调优化的研究策略 ,它是在各个匹配单元 (子系统 )和整个换热网络结构 (复杂系统 )之间进行优化协调 ,并获得换热网络的最优结构和各匹配单元的最优操作参数 .最后 ,通过一换热网络的最优合成 ,说明了该方法的应用前景     

基于经济目标和分解协调策略的换热网络最优设计

分析了换热网络在过程系统中的功能 ,从火用分析和火用经济学的角度提出了换热网络最优合成设计的实用火用经济目标函数 ,它包含了网络的流动火用损费 ,且可分解为各个换热单元的总费用之和 .在换热网络目标函数可分解性的基础上 ,本文又进一步提出了换热网络分解协调优化的研究策略 ,它是在各个匹配单元 (子系统 )和整个换热网络结构 (复杂系统 )之间进行优化协调 ,并获得换热网络的最优结构和各匹配单元的最优操作参数 .最后 ,通过一换热网络的最优合成 ,说明了该方法的应用前景     

基于抽样平均近似的双层改进粒子群算法的无分流换热网络综合

针对单层优化算法求解换热网络不易找到最优解以及传统的双层优化算法计算成本较高的问题,研究以年综合费用最小值为优化目标,提出了基于抽样平均近似的双层改进粒子群算法求解无分流换热网络综合。该算法在优化初始阶段对内层变量优化时以抽样平均近似方法为基础,根据随机挑选的部分粒子信息快速评价外层的换热网络结构,而外层优化通过结合变异算子的量子粒子群算法对模型结构进行优化。待缩小最优网络结构的范围后再通过竞争群算法深度优化热负荷等连续变量,从而得到最优的年综合费用。研究所提出的算法通过抽样平均近似方法对外层结构模型进行初步筛选,避免了大量非最优解网络结构下热负荷等连续变量的优化,从而减少了双层优化过程的计算量,提高了优化效率,同时在缩小网络结构范围后采用竞争群优化算法提高了优化精度,保证了优化效果。通过对两个典型算例的测试可知,研究的方法相比传统的双层算法在求解时间上缩短了近90%,在求解效果上也能达到较好结果。     

RWCE算法中采用单元重构策略激励换热网络结构优化

应用强制进化随机游走算法优化换热网络的过程中,通过监测最优结构中换热单元优化进程,探究总体结构进化特点,发现存在换热单元先入为主的现象,主体结构稳固难以被突破,导致换热网络优化进入“停滞”状态。基于此,提出了换热单元重构策略,该策略旨在增强结构变异能力,经过一定阶段概率性消除结构中既有换热单元,腾出结构进化空间,再依据约束条件重新构建换热单元,既丰富了结构多样性又扩大了搜索域。此外建立优化状态监测指标,维持结构较高的变异活性,增强算法全局寻优能力。最后将该策略加入算法流程优化多个换热网络实例,总结分析其作用机理,所得结果均优于现有文献结果,证实了该策略的有效性。     

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。     

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。     

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。     

换热器优化顺序对换热网络全局优化的影响

为了克服换热网络全局最优化过程中极易陷入局部最优解陷阱的难题,本文将蒙特卡罗随机抽样技术应用到换热网络冷、热流体随机组合中,从而实现换热网络多维优化参数优化顺序的随机变化,使得换热网络优化能够从一个局部最小解跳到另外一个局部最小解,实现全局最优化。通过具体算例表明,这种方法能够找到比以往算例更好的结果,能够更好地满足工业上的应用。     

基于局部搜索策略的混合算法同步综合换热网络

针对复杂换热网络混合整数非线性问题,提出了一种由混沌蚁群算法、局部搜索策略和结构进化策略组成的混合算法,同步综合换热网络。首先采用混沌蚁群算法初步优化换热网络,蚂蚁个体根据混沌搜索机制遍历整个求解域。随后引入Powell法作为局部搜索策略,加强蚂蚁个体的局部搜索能力。最后结合结构进化策略,限制算法的搜索空间,优化蚂蚁个体表示的换热网络结构,并将优化后的信息反馈。蚂蚁会根据自身、邻居和反馈的信息作进一步搜索,直到算法收敛于全局最优解。通过算例对算法进行验证,结果表明,混沌搜索机制使混合算法具有很好的全局搜索能力;Powell法加强了算法的局部搜索能力,提高了求解精度;结构进化策略能够有效地缩减搜索区间,提高搜索效率。所以混合算法能够很好地兼顾处理连续变量和整型变量,适用于换热网络综合。     

换热网络多目标综合优化算法研究进展

资源和能源的可持续发展使得换热网络综合不仅要考虑经济性,同时要满足柔性、可靠性、可操作性和环境影响度等指标的要求。目前,换热网络多目标综合的研究有了初步进展并引起了广泛关注。本文阐述了进行换热网络多目标综合的必要性并总结了相关研究。重点对常用的多目标优化算法作了总结和对比,综述了其在换热网络多目标优化设计中的应用进展。研究表明,传统多目标算法越来越无法满足复杂模型的求解,而多目标进化算法可以很好地求解换热网络综合多目标优化问题,其中NSGA-Ⅱ算法是目前应用最广的有效算法。提出尝试NSGA-Ⅱ等多目标进化算法,基于超结构建立包括经济性、柔性、可靠性、可操作性和环境影响度等在内的换热网络多目标综合模型,给出Pareto最优解集合供决策者选择是未来的研究方向。     

TS法的改进及其在求解化工优化问题中的应用

TS算法属于现代优化算法,是局部领域搜索法的推广,常用于求解组合优化问题.利用TS法搜索过程的有向性和能够跳离局部最优解的特点,对其进行了改造,以适应求解连续变量化工优化问题.首先,根据化工优化问题变量的特性,提出了一种简便的邻域映射方案,并改进了迭代过程中自适应因子的下降函数;进一步分析对比了禁忌步数、自适应因子和初始解等参数对于优化结果的影响.然后通过算例和换热网络优化问题的求解,表明改造后的TS法在求解连续变量化工优化问题中的有效性,及其在化工优化领域的发展价值.     

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。     

TS算法在常减压装置换热网络优化中的应用

在对换热网络问题进行分析的基础上,利用禁忌算法(TS)在网络自动建构过程中进行指导,建立了具有领域最优搜索能力的换热网络结构自动生成技术.通过禁忌表紧凑的格式记录了流股的匹配状态,在网络自动建构过程中,能指导流股进行合理匹配,充分回收能量的同时,简化了换热网络的结构.利用TS算法对常减压蒸馏装置换热网络进行了优化,提高了原油的预热终温,减少了燃料的消耗.