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。     

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。     

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。     

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。     

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。     

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。     

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。     

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。     

换热网络运行模拟优化

换热网络系统大多数是按给定工况,以投资费用和运行费用最优为目标设计的。但在实际运行过程中,确定和不确定性的影响因素往往导致换热网络的运行工况偏离设计值。偏离设计工况运行的换热网络性能变差,导致运行费用增加,甚至不能满足工艺物流换热要求。在换热网络结构给定条件下,将满足物流目标温度和运行费用最优作为目标函数,以单体模型和Yee et al.（1990）提出的多级超结构为基础,建立换热网络运行模拟优化模型,并进一步去除恒定膜传热系数假设使模型贴近实际问题。针对提出的非线性数学模型（NLP）问题,以标准粒子群算法为基础建立求解策略。在论文的最后,4个来源于已发表论文的实例研究证明了该优化方法的有效性。     

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。     

基于复杂网络控制理论的换热网络旁路位置确定

换热网络的旁路控制是增加自由度和提升系统控制性能的有效手段。为了保证控制的有效性和经济性,本文基于复杂网络理论,结合“下游路径”理论中换热网络的干扰传递规律,构建出换热网络的有向加权的复杂网络模型,然后把换热网络旁路抽象为复杂网络驱动节点集,权衡可控性与经济性两方面因素,给出两种旁路位置确定方法。在可控性要求较高时,基于复杂网络结构可控性理论,提出了换热网络全局可控的旁路位置确定法,该算法不仅通过设置最少的旁路实现了换热网络的全局可控,还实现了对换热网络控制性能的优化;当旁路数目受限时,基于复杂网络目标控制理论,提出了重要节点可控的旁路位置确定法,在保证其重要节点可控的同时,减少旁路数量从而节省投资费用。最后,以大型原油换热网络为例分别求解全局可控和重要节点可控的换热网络旁路位置,验证了该方法的可行性。     

用遗传算法进行多流股换热器网络综合的研究

建立了多流股换热器网络综合数学模型，该模型改进了文献中等温混合的不合理假设。多流股换热器网络综合问题本质上是一个混合整数非线性规划问题(MINLP)，这类问题的非凸非线性的特性使得目标函数存在多个局部最优解。传统的基于梯度的搜索方法在处理这类问题时由于计算规模庞大且极易陷于局部最优解而不再适用，而遗传算法却为解决这类问题提供了很有希望的一个方向。因而对遗传算法求解多流股换热器网络综合问题进行了研究，提出了可以自动产生可行的多流股换热器网络的方法策略，最后通过两个例题说明所提方法是可行的。     

同时考虑流动损费和传热强化的换热网络合成

详细论证了在求解换热网络优化狭点温差△T_mtn,opt过程中,同时考虑换热器流动(火用)损、匹配单元优化和传热强化的必要性.提出以“Supertargeting”所给出的最优狭点温差为初值向狭点温差增大的方向寻求最优解的方法.文中对影响△T_min,ovt大小及其与初值之差的经济条件和复合线特性进行了讨论;提出了新的换热网络优化合成策略.用3个实例来说明所提出方法的优越性.     

Differential evolution strategies for optimal design of shell-and-tube heat exchangers

Differential evolution (DE) and its various strategies are applied for the optimal design of shell-and-tube heat exchangers in this study. The main objective in any heat exchanger design is the estimation of the minimum heat transfer area required for a given heat duty, as it governs the overall cost of the heat exchanger. Lakhs of configurations are possible with various design variables such as outer diameter, pitch, and length of the tubes, tube passes, baffle spacing, baffle cut, etc. Hence the design engineer needs an efficient strategy in searching for the global minimum. In the present study for the first time DE, an improved version of genetic algorithms (GAs), has been successfully applied with different strategies for 1,61,280 design configurations using Bell's method to find the heat transfer area. In the application of DE, 9680 combinations of the key parameters are considered. For comparison, GAs are also applied for the same case study with 1080 combinations of its parameters. For this optimal design problem, it is found that DE, an exceptionally simple evolution strategy, is significantly faster compared to GA and yields the global optimum for a wide range of the key parameters.     

A hybrid optimization strategy for simultaneous synthesis of heat exchanger network

The heat exchanger network synthesis problem often leads to large-scale non-convex mixed integer nonlinear programming formulations that contain many discrete and continuous variables, as well as nonlinear objective function or nonlinear constraints. In this paper, a novel method consisting of genetic algorithm and particle swarm optimization algorithm is proposed for simultaneous synthesis problem of heat exchanger networks. The simultaneous synthesis problem is solved in the following two levels: in the upper level, the network structures are generated randomly and reproduced using genetic algorithm; and in the lower level, heat load of units and stream-split heat flows are optimized through particle swarm optimization algorithm. The proposed approach is tested on four benchmark problems, and the obtained solutions are compared with those published in previous literature. The results of this study prove that the presented method is effective in obtaining the approximate optimal network with minimum total annual cost as performance index.     

Synthesis of cost-optimal heat exchanger networks using differential evolution

Heat exchanger network synthesis (HENS) has been one of the most-studied problems in process synthesis. Nevertheless, the complexity of the HENS problem provides enough scope for the development of novel algorithms involving the application of specialized optimization techniques. Evolutionary algorithms (EA) have emerged as viable alternatives to traditional methods for optimizing functions of both continuous and discrete variables. Differential evolution (DE) is one such evolutionary algorithm that promises simple, fast and robust optimization. The present study illustrates the application of this novel technique for the synthesis of heat exchanger networks. The HENS model proposed here considers stream splitting, does away with the simplifying assumption of isothermal mixing of the split streams and has the capability to handle compulsory and forbidden matching of streams. The DE-based model (DEM) does not rely on the decomposition of the problem into subproblems but employs a simultaneous method of approach to optimize the structure of the network of heat exchangers, the heat loads of these exchangers, the split stream heat flows and the minimum approach temperature. The proposed model has been applied to some case studies available in the literature and the results of these studies are very encouraging. The present work represents thus a step forward in the search for robust and efficient global optimization algorithms for the solution of the HENS problem.