基于自适应竞争群优化算法的无分流换热网络综合

换热网络模型具有非凸和非线性的特性,对于大规模超结构优化问题,采用经典的智能算法优化效率低,容易陷入局部最优值。以年综合费用为目标函数,基于自适应竞争群优化算法对无分流分级超结构换热网络模型进行优化。该方法采用对粒子平均位置的递减学习,通过自适应调节速度权重提高换热网络结构的全局优化能力和局部优化能力。通过两个典型算例分析表明,该方法相比量子粒子群算法大幅减少了模型调用次数,缩短了运行时间,并且找到了更好的优化结果。