采用落后个体更新策略的换热网络优化方法

针对强制进化随机游走算法(RWCE)优化换热网络的过程中存在部分个体优化质量长期处于落后状态的现象,提出了一种落后个体更新策略的RWCE算法。通过周期性考察所有个体性能变化,并实时计算当前所有个体的平均性能,建立了一种落后个体识别机制。对落后个体采取强制更新策略,强制改变其原先的优化路径,增强了种群活力,提高了算法的全局搜索能力。将该算法应用于无分流换热网络的20股流和16股流实例中,年综合费用较改进前的最优结果分别下降了1 005和19 084$/a,表明该策略的有效性,由此证明改进后的算法能有效改善因落后个体所导致的优化质量下降的问题。     

采用新单元换热量生成与分布概率协调策略优化换热网络

强制进化随机游走算法应用于换热网络优化,具有算法程序简单、结构进化能力强等特点,但种群个体进化后期依然很难找到使年综合费用再次降低的进化方向。鉴于此,分析新生成换热单元最大换热量(Q_(max))取值对优化过程及新生成换热单元换热量(Q_n)概率分布的影响,在此基础上采用换热单元换热量生成与分布概率协调的换热网络优化策略,摄动后小概率随机生成换热量较大的换热单元,同时改变Q_n的概率分布情况,用于增强结构进化能力。最后采用15SP和20SP算例验证该策略的可行性,较文献结果分别降低了435 498和42 253$/a,由此证明,该策略可有效提高算法的局部搜索精度和全局搜索能力。     

进化概率差异化策略优化有分流换热网络

强制进化随机游走算法优化换热网络时具有程序简单、全局搜索能力强等特点,但在优化过程中不同的进化阶段对进化概率需求不同,算法中设置单一的进化概率难以满足实际进化需求。因此,提出一种进化概率差异化策略,该策略的核心思想是智能识别流股的换热程度,动态调整进化概率,对存在公用工程的流股强制参与进化,使算法在前期具有较强的结构搜索能力;完全换热的流股通过降低进化概率,提升算法全局的精细搜索能力。采用15SP和39SP算例进行验证,所获年综合费用分别为1 494 690和1 894 477$/a,验证了该策略能够提升算法的优化效率与质量。     

采用结构进化增强策略的RWCE算法优化换热网络

针对于启发式算法应用于换热网络优化时,后期由于种群多样性消失或其他原因导致年综合费用难以进一步下降的问题,提出了一种结构进化增强策略。该策略在一般启发式算法的整型变量优化中,通过将换热单元的生成与消去分开处理,先以一定概率随机地在网络中生成若干换热单元,再在连续变量优化的过程中实现换热单元的消去,提升网络结构变异能力。最后,将该策略与强制进化随机游走算法(random walk algorithm with compulsive evolution,RWCE)相结合形成一种新的混合算法(ESE-RWCE)。算例研究表明,ESE-RWCE算法相比于RWCE算法实现了全局搜索性能的提升。     

采用换热单元数限制策略的RWCE算法优化换热网络

针对强制进化随机游走算法(RWCE)在优化后期换热单元数和最小年综合费用变化缓慢的问题,提出强制限制换热单元数的方式优化换热网络:首先对换热网络结构中换热单元数下限进行控制,若某种结构的换热单元数小于该下限值,即强制增加换热单元,确保后期仍有较多的换热单元参与进化;为进一步优化换热网络,在维持换热单元数下限的基础上,对换热单元的换热量重新分配,使其在跳出局部极小换热单元数的同时,进一步精细搜索,增强结构进化能力。通过9SP和16SP算例验证,得到相较文献更低的年综合费用,分别为2 926 484和6 830 843$/a,表明引入该策略的RWCE算法,具有更强的全局搜索能力,兼顾了整型变量和连续变量的优化,优化效率和质量得以提高。     

一种割裂耦合关系的换热网络优化方法

在用强制进化随机游走算法优化换热网络时,优化后期由于换热单元之间存在耦合关系,换热网络结构已基本稳定,难以新增加或者消去换热单元,因此结构变异较为缓慢。为了促进结构变异,提出了一种割裂结构耦合关系的高效优化方法。该方法基于耦合关系随机消去换热单元,使得匹配已稳定的冷热流股重新获得一定的换热潜能,从而具有匹配新换热单元的潜力,快速寻找到更多匹配方式。通过20SP和15SP算例进行有效性验证,分别取得1 395 461 $和5 115 557 $的年综合费用,表明割裂结构耦合关系的方法能进一步促进结构进化,增强算法的全局搜索能力。     

一种应用于换热网络综合的伴随优化策略

为解决强制进化随机游走算法(random walk algorithm with compulsive evolution,RWCE)应用于换热网络综合时进化停滞的问题,提出了一种伴随优化策略(CO-RWCE):对种群中各个体优化进程进行监控,当个体因接受差解陷入长期进化停滞时,将该个体历史最优解回代给个体以调整优化方向;若多次回代后个体仍未进化,则将全局最优解传给个体并摄动以实现重生。在回代或重生后,采用一种游走概率递减技术,控制游走变量个数以提升搜索精度。优化结果表明:改进策略增强了个体自身进化能力,有效提升了算法搜索能力。     

隔代强制进化遗传算法在换热网络优化中应用

在对换热网络分级超结构及其数学模型分析的基础上,对网络综合优化问题进行了研究．针对普通遗传算法及其它优化算法无法保证网络优化质量和效率的缺点,对遗传算法进行了改进,提出了换热网络隔代强制进化遗传算法。该方法将换热网络结构信息转化为种群中染色体信息,利用种群的进化实现网络结构的优化,在进化过程中使用隔代强制策略,使种群向更优方向稳步进化,保证各代优化结果的有效性,降低最优群体的生成代数,并利用最优个体保存技术记录优化过程中最佳换热网络结构。采用此方法对具体换热网络实例进行了优化综合,结果表明：隔代强制进化遗传算法能在网络优化过程中避免早熟收敛而陷入局部最小点的现象,使搜索质量和效率得到有效提高。用隔代强制进化遗传算法对有分流和无分流换热网络进行优化综合,均能获得综合性能良好的网络结构。     

RWCE算法控制参数动态更新促进换热网络结构进化策略

相较其他进化算法,强制进化随机游走（RWCE）算法能够始终保持较高的种群多样性,从而有效地跳出局部最优。然而,目前对于该算法进化过程中的控制参数如最大步长、最小换热量或换热面积以及接受差解概率的设置仍无严格定义,其取值方法和取值范围都将对结构进化的进度、换热单元生成和消去速度以及最终的换热单元数产生直接影响。根据换热单元数设定逐渐变化的控制参数,进行逐级优化尝试。引入logistic函数作为接受差解概率的取值策略,使最大步长和保留系数均随换热单元数线性变化,实现控制参数的动态更新从而促进换热网络结构进化。通过算例验证,该策略能提高RWCE算法优化换热网络的效率,可获得更理想的网络结构。     

换热网络优化的随机摄动方法及其应用

启发式算法在处理换热网络问题时具有可操作性强、搜索域大等优点,但由于局部解众多,算法很难寻得全局最优。本研究基于强制进化随机游走算法,以费用下降为强制进化方向,按照换热量最小,公用工程、流股匹配回路是否存在的优先顺序确定摄动对象;并以一定的概率对其进行随机地换热量线性变化或直接消去。重复寻找原结构下的更优分布或者新的网络结构。此外,引入梯度近似公式提高随机摄动方法的搜索精度。最后,通过计算10股流和20股流算例得到相较文献更低的年综合费用,分别为5 586 942和1 739 079$/a,证明该方法能够有效地促进换热网络结构进化,得到更优的网络结构。     

一种主辅强制进化随机游走算法同步优化换热网络

针对RWCE(random walk algorithm with compulsive evolution,RWCE)算法优化有分流换热网络时,由于变量维数过多造成的算法全局搜索能力下降问题,提出了一种主辅强制进化随机游走算法(master-salve random walk algorithm with compulsive evolution,MS-RWCE)。算法通过将换热量和分流比的优化分开处理,建立一种以换热量优化为主导、分流比优化为辅从的新的进化机制。同时,为了进一步保证换热量优化的主导地位,引入分流比隔代优化策略,减少换热量和分流比在优化中的相互制约。采用9SP和15SP算例对MS-RWCE算法的有效性进行验证,MS-RWCE算法优化9SP和15SP算例,较采用RWCE算法的年综合费用分别下降了4 395和18 420$/a,证明MS-RWCE算法可以实现换热网络优化质量的提升。     

采用关联进化策略的RWCE算法应用于换热网络优化

换热单元之间的耦合关系导致其在优化过程中相互制约,造成强制进化随机游走算法应用于换热网络时后期优化停滞。因此,提出一种关联进化策略实现换热单元间的联动进化。首先对换热网络中换热单元的关联关系进行了分析,评估了这种关联关系对进化算法的制约及效率的影响;在此基础上,建立了关联换热单元的联动进化机制,克服了优化过程中的关联制约,提升了进化的效率。最后,将采用单元关联进化策略的算法应用于15SP、16SP2算例,分别得到了年综合费用(TAC)为1 513 253和6 849 252$/a的结果,其中15SP算例的TAC较文献最优结果下降了5715$/a,验证了改进后的算法能有效地提高搜索质量。     

基于局部搜索增强策略的微分进化算法应用于换热网络优化

针对微分进化算法应用于换热网络优化时,局部搜索能力不强及易出现"早熟收敛"的现象,提出了一种兼顾局部搜索和全局寻优能力的改进策略。首先,对算法出现早熟的主要原因进行了机理分析;在此基础上,从动态更新角度引入局部增强算子,以当前解为中心进行邻域精细搜索,保证了局部搜索精度;最后,结合强制跳出机制,解决了算法易陷入局部极值的缺陷,对于非凸非线性问题较为严重的换热网络问题,实现了换热网络优化全局寻优能力和局部搜索精度的兼顾。算例结果表明,新的局部搜索增强策略能够进一步改善种群多样性和提高寻优效率及精度,获得比文献中结果更好的解,有效提高微分进化算法应用于与换热网络优化的能力。     

基于温差均匀性因子协进化的双层算法同步优化换热网络

针对同时存在整型变量和连续型变量的换热网络综合问题,提出一种双层优化方法。外层以换热网络的温差均匀性因子作为网络结构性能的评价指标,通过蒙特卡洛随机抽样技术产生试探结构,采用整型优化算法逐步进化外层结构;内层以最小年综合费用作为优化指标,采用动态更新子群的改进粒子群算法优化连续变量。优化结果表明,温差均匀性因子可以有效评价换热网络的结构性能,从而指导结构的进化;改进的粒子群算法具有更强的全局搜索能力,相关算例均找到了更优的网络设计,应用于工业生产实际,可以有效节约成本。     

一种多子群协进化的粒子群算法同步综合换热网络

针对同时存在整型变量及连续变量的换热网络优化问题,提出一种多子群协进化的粒子群算法。为了增强粒子群算法的全局搜索能力,将种群按精英个体、一般个体、较差个体划分为3个子群,针对每个子群的粒子进化状态提出不同的学习算子,用于丰富粒子的进化方式,增加种群多样性;同时建立协进化机制,动态地更新子群,以实现粒子之间的良性竞争,更好地引导粒子进化。采用结构优化策略处理整型变量,并与多子群协进化的粒子群算法结合,实现了连续变量与整型变量的同步优化。通过两个优化实例验证算法的性能,优化结果表明了新方法的有效性。     

混合微分进化算法应用于换热网络优化

针对微分进化(Differential Evolution,DE)算法应用于换热网络优化存在局部搜索能力不足、收敛速度慢和求解精度低等问题,提出一种混合微分进化(Hybrid Differential Evolution,HDE)算法。当DE算法的变异、交叉和选择操作不再使种群的最优值继续进化时,加入梯度操作使当前种群的最优个体趋向更好的解。为了防止算法早熟收敛,当种群的多样性低于设定的阈值时,引入迁移操作,在最优个体附近区域重新生成新的个体并以此替换旧的个体,增强算法的种群多样性。通过算例验证了该算法可以有效适用于换热网络的优化过程,具有更强的局部搜索能力,更快的收敛速度和更高的优化效率。     

一种流股分流动态调节的换热网络优化策略

现有的节点非结构模型(Node-wise non-structural superstructure, NW-NSS)在优化换热网络时需要预设固定的节点分流数量,难以满足结构进化过程对于求解空间和计算效率的需求,易造成换热单元生成空间受限,影响算法全局优化性能。本文提出一种流股分流动态调节策略,该策略基于实时结构的整型变量分布信息,动态增加结构进化所需的必要分流并减少无效结构对优化的阻碍,辅助算法以更高的效率跳出局部极值,提升优化质量。将策略应用于16SP、20SP算例,分别得到年综合费用为6 653 940和1 711 886$/a的最优换热网络结构,较文献最优结果降低了3 140和3 202$/a。     

基于动态拓扑结构的分布式Memetic差分进化算法同步综合换热网络

针对标准DE(差分进化)算法在优化换热网络时出现的局部搜索能力弱、易陷入局部最优等问题,本文建立了一种基于动态拓扑结构的分布式Memetic差分进化算法,同步综合换热网络。首先,在子种群内部采用基于欧拉距离的动态拓扑结构,子种群之间采用冯诺依曼拓扑结构,有效地加快了个体之间的信息交流,保持种群多样性,扩大搜索范围。继之,结合Memetic算法思想,将Hooke-Jeeves算法作为局部搜索策略,增强算法局部搜索能力。同时,对于局部搜索获得的新解,提出了一种协作学习机制,平衡算法的全局寻优与快速收敛能力。最后,为处理整型变量,提出了两条简单有效的整型变量优化策略,使算法实现了连续变量与整型变量的同步优化。选取两个经典算例验证了算法的有效性。算法应用于算例一,相对于现有文献的最优值,本文所得结构的费用值下降了1 783$/a,表明算法的性能优于标准DE算法以及其它改进版本的DE算法。算法应用于算例二,相对于现有文献的最优值,本文所得结构的费用值下降了1 209$/a,表明算法能够有效地处理大规模换热网络问题,具有很强的鲁棒性。     

换热网络优化中粒子群算法早熟现象的机理分析及改进策略

粒子群算法应用于换热网络综合主要存在的问题是在优化后期经常出现早熟收敛现象,由于算法全局搜索能力的迅速退化导致换热网络优化进程陷入停滞。通过考察种群多样性的变化,并采用灰度图跟踪每个粒子的差异性演化进程,揭示了算法早熟的本质,在此基础上提出了一种随机扰动策略,在粒子群搜索后期选择一部分粒子随机产生新的速度,改善这一阶段粒子群的种群多样性,增强算法的全局搜索能力,通过换热网络优化算例说明该策略的有效性。     

一种多种群混合搜索微分进化算法优化换热网络

针对基本微分进化算法应用于换热网络优化时易陷入局部极值而出现早熟收敛的问题,提出了一种多种群混合搜索DE(微分进化)算法。首先,利用对立操作进行种群的多轮再生,提高了解空间的多样性;其次,各个按照不同的局部搜索机制实现种群的进化、更新,提高算法的局部搜索能力;最后,经算例研究表明:本文所述方法不仅能够有效提高种群多样性,克服算法易陷入局部极小值的缺点,且算法的稳定性和全局收敛能力均有显著提升。为启发式算法解决复杂换热网络优化问题提供了进一步的研究基础。