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。     

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。     

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。     

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。     

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。     

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。     

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。     

采用结构进化策略的Lagrange乘子法优化换热网络

针对罚函数法处理有约束问题时存在的不足,采用Lagrange乘子法优化换热网络.为求解Lagrange函数方程组,根据确定性方法,提出最速下降法求解策略以及Powell法求解策略.通过极小值判断机制,保证Lagrange函数方程组的解是原换热网络目标函数值的极小值.根据实际工况,提出结构进化策略,与Lagrange乘子法相结合,实现了换热网络全局最优化.通过经典算例验证了两种求解策略的有效性、准确性以及结构进化策略的通用性.与文献结果进行对比,结果表明本算法具有较强的局部搜索能力以及全局搜索能力,能够找到更优的换热网络结构,有利于在工业生产中节约成本.     

基于蒙特卡罗微分算法优化大规模换热网络

在换热网络数学模型及分级超结构基础上,提出蒙特卡罗结合微分进化算法,双层优化换热网络。外层利用蒙特卡罗算法全局范围内搜索最佳的换热网络结构;内层用微分进化算法优化换热器面积;通过设定合理的预期换热器个数,控制Grossmann超结构下产生换热器的个数,不但能提高求解效率,而且可以有效地解决大规模换热网络问题。最后,算例结果表明,基于蒙特卡罗微分算法能保证在全局搜索能力的前提下,混合求解策略能够获得较优的结果。     

基于改进布谷鸟搜索算法的换热网络综合

针对换热网络综合混合整数非线性规划问题,提出布谷鸟搜索算法同步综合换热网络,并针对其不能有效处理换热网络结构进化问题进行改进。引入改进步长控制向量,设置最小热负荷,以一定概率接受差解三种整型变量优化策略,布谷鸟搜索算法能够同时优化整型变量和连续型变量从而实现换热网络最优化;同时改进新鸟巢的建立机制,实现鸟巢自我进化与信息交换的平衡,使算法更具全局搜索性能。通过验证两个基准算例,与文献中采用的遗传算法、模拟退火算法、微分进化等其它算法相比,改进的布谷鸟搜索算法能够获得年综合费用更低的换热网络设计方案。结果表明,改进的布谷鸟搜索算法具有较高的搜索效率和全局收敛精度,能够高效求解中小型甚至大型换热网络问题。     

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。     

带惩罚的逆梯度进化算法应用于换热网络

针对局部邻域搜索方法搜索结果对初始解位置依赖大,难以摆脱局部最优解影响的问题,本文提出了一种带惩罚的逆梯度进化算法。该算法通过给当前位置适应度施加一个仅与在该点处停留时间正相关的惩罚以迫使该个体沿逆梯度方向移动,进而逃离当前局部极值点。同时为了防止出现“回跳”现象,引入禁忌邻域,禁止当前个体重回原先位置。相对于一般启发式算法跳出局部极值点的随机性,该算法通过惩罚实时构造填充函数以逃离当前局部极值点的机制具有一定的确定性因素,提高了算法的搜索效率。将该算法应用于换热网络优化问题上,分别对10SP1和10SP2两个经典算例进行验证,获得了优于已有文献的优化结果,表明该算法具有较强的跳出局部最优解能力。     

极大极小值交替优化算法实现换热网络全局热集成

针对确定性方法应用于换热网络全局热集成时易陷入局部极值的问题,采用乘子法建立辅助函数,将原来的换热网络有约束问题转化为无约束问题,在此基础上提出了基于牛顿法的极大、极小值交替优化算法应用于换热网络优化。该算法通过优化进程中极大值、极小值的交替计算,不断跳出当前的局部极小值并继续通过局部优化方法求解新一轮的局部极小值,从而实现换热网络的全局热集成。同时提出防止"回跳"策略,避免该算法计算过程中在某个区域重复优化的问题。将算法应用于两个经典换热网络实例,取得了较好的结果,验证了极大、极小值交替优化算法能够有效地改善确定性方法易陷入局部极值的问题,具有较强的全局搜索能力,使优化质量较文献得到了进一步提升。     

改进萤火虫算法应用于换热网络最优化

换热网络全局最优化目前已经成为系统工程领域的一个难点和热点,将萤火虫算法(Fire-fly Algorithm,FA)引入换热网络最优化并对其进行改进,提高算法在混合整数非线性规划中的效能。首先对换热网络中表示换热单元有无的整型变量作连续化处理,简化求解模型,更好发挥FA算法强大的连续变量搜索能力;然后,建立了光吸收系数自适应策略和最优个体的随机摄动策略,增强算法全局搜索能力的同时保证收敛精度;最后,将改进算法应用于换热网络综合的10SP和10SP1实例,优化结果表明,改进算法能够获得很好的结果,验证了该算法及改进策略的有效性。     

换热网络优化中换热单元生成频次的影响分析及策略改进

换热单元的生成频次对换热网络优化有直接的影响，分析其机理可以指导求解算法的改进。本文采用节点非结构模型及强制进化随机游走算法，通过设置不同的换热单元生成概率与生成个数以改变换热单元的生成频次，观察并记录个体在优化过程中产生的年综合费用变化情况。发现不同生成频次下整型变量和连续变量的相对优化频率发生了变化，从而改变了整体优化过程，并且与个体当前优化状态不适应的生成频次会造成相对优化频率不平衡、优化结果较差。基于此，本文提出了一种具有生成参数动态调节策略的换热单元生成方式，在优化过程中根据个体状态实时调整换热单元的生成概率与生成个数，平衡整型变量与连续变量的相对优化频率。最后，采用15SP、10SP和20SP算例进行验证，换热网络的年综合费用较文献结果分别下降了1.06%、0.16%、0.68%，验证了该策略使得换热单元的生成频次更为合理，有效地提高了算法的优化效率。     

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。     

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。