一种大步长激励的结构进化策略应用于换热网络优化

强制进化随机游走算法(random walk algorithm with compulsive evolution,RWCE)具有进化策略简单、控制参数少、全局搜索能力强等特点,是换热网络优化的一种有效方法。鉴于步长对RWCE算法跳出局部最优解有重要的影响,针对RWCE算法的步长分布进行研究,通过分析大步长在局部极值跳出中的作用机理,建立了一种全新的步长组合生成方法,并据此提出了一种大步长激励的结构进化策略。最后,通过3个算例验证了结构进化策略的有效性,与文献结果进行对比,结果表明大步长激励的结构进化策略提高了算法的全局搜索能力。     

具有步长调整策略的强制进化随机游走算法优化换热网络

强制进化随机游走算法(random walking algorithm with compulsive evolution,RWCE)是一种优化换热网络的新方法,具有程序简单、算法适应性和全局搜索能力较强等优点。本文研究了最大步长对RWCE算法优化性能的影响,提出了抛物线函数的最大步长递减调整策略来平衡RWCE算法的全局搜索与局部搜索能力。将引入策略的RWCE算法与基础算法比较,发现加入最大步长递减调整策略的RWCE算法与基础RWCE算法相比,在进化后期能够跳出局部极小值,具有更强的局部搜索能力。采用10SP2、9SP和15SP换热网络实例检验加入此策略RWCE算法的有效性,其中10SP2和9SP算例的优化结果均好于文献最好结果,相比算例原始文献下降了20.98%和1.11%。对15SP算例优化找到了新的换热网络匹配结构,并好于多数无分流换热网络优化结果,且低于文献结果 4.60%,证明了此方法在换热网络优化中具有较强的优化能力。     

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。     

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。     

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。     

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。     

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。     

A hybrid algorithm based on extremal optimization with adaptive lévy mutation and information fashion algorithm and its applications

提出了一种新的基于自适应lévy变异的极值动力学和信息融合搜索的混合算法。新算法将全局搜索和局部搜索机制有机地结合起来,在全局搜索过程中,信息融合搜索算法(IFA)作为一种群智能进化算法,能够快速地逼近近似最优解;在局部搜索过程中,通过选择近似解的最差组元进行自适应lévy变异,利用极值动力学算法（EO)强大的局部搜索能力,协助IFA跳出局部极值点。将其运用于超临界水氧化去除率神经网络软测量建模,实验结果表明了方法的有效性和实用性。     

改进的AEA算法及其在重油热解模型参数估计中的仿真研究

着眼于AEA算法本身的不足点,通过更合理地给定其每一代的行走步长,提出一个改进的AEA算法(IAEA)来提高AEA算法的寻优性能。鉴于行走步长对于进化的不同阶段全局搜索和局部搜索之间的关系影响,今提出IAEA的步长应随着实际进化的不同阶段而合理地变化,以使得算法能跳出局部最优,避免早熟现象的发生。IAEA算法在7个典型测试函数上进行了测试,测试结果表明,与基本AEA算法、PSO和DE算法相比,IAEA的寻优性能有了很大的提高,不仅获得的解的质量更好,而且算法的稳定性都得到了提高。最后将IAEA算法用于重油热解模型参数估计的仿真研究中,通过验证,得到了更有利的结果,说明文中提出的算法是有效的。     

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。     

改进的教学优化算法及其应用

针对教学优化算法（TLBO）收敛速度慢,容易陷入局部最优的问题,本文提出了一种改进的方法。算法的改进主要在两方面：一是对教学因子（TF）进行自适应调整,使TF随算法迭代减小,这样算法在搜索前期采用全局搜索,搜索空间快速收敛于最优解附近,提高搜索速度,搜索后期采用局部精细搜索以获得高精度的解。二是引入信任权重,对学生已获得的知识采取部分信任的策略,避免对已获取知识的过分信任,增加学生个体与教师及学生之间的信息共享,利于算法跳出局部最优。算法在8个标准测试函数上应用,仿真结果表明改进的算法有更快的收敛速度并且能够跳出局部最优。最后将改进的算法应用到乙烯裂解炉裂解运行效益优化中,显著提高了裂解炉的效益。     

精细搜索策略应用于质量交换网络综合

质量交换网络是化工过程系统的重要组成部分,其优化设计对降低污染排放具有重要意义。采用启发式算法优化质量交换网络时,存在难以兼顾全局搜索和局部搜索的问题。通过分析不同精度优化参数下的优化结果,揭示了该问题的成因,并提出一种精细搜索策略用于基础算法所得结构的深度优化。该策略包含两种方法,方法1采用具有个体回代与分化的高精度强制进化随机游走算法,可保留个体结构变异能力;方法2采用确定性方法依次对多维目标函数中的每个变量进行一维搜索,具有精度高收敛快的优点。将该策略应用于焦炉气脱硫和空气除氨算例,得到的结果分别为407308 USD·a^-1和127807 USD·a^-1,经济性优于现有文献中的结果,验证了本策略的有效性。     

精细搜索策略应用于质量交换网络综合

质量交换网络是化工过程系统的重要组成部分,其优化设计对降低污染排放具有重要意义。采用启发式算法优化质量交换网络时,存在难以兼顾全局搜索和局部搜索的问题。通过分析不同精度优化参数下的优化结果,揭示了该问题的成因,并提出一种精细搜索策略用于基础算法所得结构的深度优化。该策略包含两种方法,方法1采用具有个体回代与分化的高精度强制进化随机游走算法,可保留个体结构变异能力;方法2采用确定性方法依次对多维目标函数中的每个变量进行一维搜索,具有精度高收敛快的优点。将该策略应用于焦炉气脱硫和空气除氨算例,得到的结果分别为407308 USD·a^-1和127807 USD·a^-1,经济性优于现有文献中的结果,验证了本策略的有效性。     

采用结构融合策略优化换热网络

利用强制进化随机游走算法优化换热网络至后期时,个体网络结构基本定型,很难再被破坏或改变,潜在进化能力难以发挥作用,无法求解出更优结构。基于此,探究个体进化过程中的结构变化特性,分析后期结构优化的重心所在,提出结构融合策略,将两个个体结构融合到一起,形成新个体,放大原个体结构进化潜力。对新个体进行优化,其结构中所有换热单元互相竞争,引导结构进化潜力发挥作用,保留有益于结构进化的换热单元,淘汰阻碍结构进化的换热单元,生成部分新换热单元,促进个体进化形成更优换热网络结构。最后应用两个算例验证该策略的有效性,取得了可观的优化效果。     

一种应用于换热网络综合的阻尼优化方法

针对启发式方法优化换热网络在优化后期易陷入局部极值的问题,提出一种阻尼优化方法,即通过引入延缓概率的概念,以一定的概率不接受费用下降的结构,延缓该结构形成固定匹配,避免因连续变量优化过快导致整型变量优化不充分而陷入局部最优。通过探讨不同阶段的优化特点及优化陷入局部极值的成因,进而提出分阶段延缓策略,合理调控延缓条件以及延缓概率的取值,从而提高算法的全局搜索能力。最后采用四个不同规模的算例进行验证,结果表明该方法可有效地跳出局部最优解,促进结构的进一步优化。