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。     

公用工程强制进化策略应用于换热网络优化

采用强制进化随机游走算法优化换热网络过程中公用工程不直接参与进化,导致部分公用工程难以消去,阻碍结构进化。基于此,提出一种强制公用工程参与进化的策略。使公用工程以一定的概率按照不同方式参与进化,其换热量的大小可根据自身参与进化后的系统费用的变化情况所决定,不再受到流股上其他换热单元换热量的制约,增强了公用工程变化的灵活性,更有利于使其朝着有利于结构进化的方向发展。最后,将所提策略应用于2个不同规模的换热网络算例,所获得的结果均低于当前文献最优解,说明该策略能够有效消去对结构进化不利的公用工程,有利于增强网络结构进化能力,获得更优的换热网络设计。     

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.     

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。     

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。     

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。     

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。     

微分进化算法应用于换热网络全局最优化

前言换热网络是过程系统中实现能量回收和高效利用的重要环节,其性能直接关系到整个系统的能量利用水平。目前,换热网络优化设计的方法主要分为三类,分别是夹点法[1-2]、数学规划法[3-4]与启发式方法[5-7]。     

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。     

采用每股流体必进化策略的换热网络优化方法

换热网络非结构模型是以一定概率随机选择冷热流体上存在的换热单元参与进化,因此每次进化过程中每股流体上不一定都有换热单元被选中参与进化。对于当前次迭代不参与进化的流股,该次迭代就没有意义。如要保证每股流体都进化一次需要增加大量迭代次数,对换热网络优化产生不利影响。针对这一问题,提出了以热流体为基准每股流体必进化策略,即每隔一定周期,使得每股流体上都有一个换热单元被选中参与进化。通过两个不同规模的算例验证提出的策略,得到的结果分别为1 411 131和1 518 969$·a~(-1)。结果表明,采用每股流体必进化策略的换热网络优化方法能够提高非结构模型的优化质量。     

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。     

微分进化算法优化换热网络的性能

通过分析换热网络换热器面积与综合费用之间的关系,证明了连续变量引起的换热网络非线性及非凸等特性,这些特性造成换热网络局部最优解众多。而传统的基于梯度的优化算法受初始点影响很大,容易陷入局部最优解,是换热网络最优化的障碍所在。针对优化换热网络问题难以稳定收敛的角度出发,在换热网络分级超结构模型的基础上,研究了微分进化算法求解换热网络问题的鲁棒性。通过具体的算例,在固定结构下与经典的牛顿法比较,结果表明,该方法优化结果不受初始点影响,具有很好的鲁棒性,并且年综合费用得到进一步降低。用于工业生产过程中,可以稳定有效地节约成本。     

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。     

基于子网络强制进化的大规模换热网络优化

换热网络优化是典型的混合整数非线性规划（MINLP）问题,此问题的非线性约束以及到处存在的局部极值,使得最优解的获得尤其困难。特别是对于大规模网络来说,当物流数目增加时,可行的结构数目呈指数增长,目前还没有一种有效的算法来解决此类问题。应用改进的混合遗传算法,首先对换热网络进行初始优化,对初步优化结果进行子网络的划分,然后进行基于官能团（子网络）的重组、分解和交叉操作,获得了很好的结果。     

一种分步匹配的换热网络优化方法

针对复杂换热网络全局优化中可操作性、优化效率与优化质量三者间的矛盾问题,基于换热网络优化中的最佳温位匹配的原则,提出了一种复杂换热网络分步优化方法。该方法将复杂的网络集成问题分解为以冷(热)流体数目为基础的多个单一流体匹配优化的子问题,以最优匹配优选的原则进行网络结构的分步生成,最终获得网络的总体结构。结果表明,以优选匹配的换热网络结构优化结果优于焓差匹配、温位匹配的结果,匹配的原则中,优选匹配要作为首选的匹配原则,可以避免前两种匹配原则上的匹配失当,该方法极大地提高了复杂换热网络优化的可操作性,优选匹配顺序使得分步优化能够取得更高的质量。     

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。     

基于罚因子协进化微分算法优化换热网络

惩罚函数法优化有约束换热网络时,罚因子的取值过大降低计算效率,过小降低优化精度,设置合适的罚因子值却不容易。基于微分进化算法优化连续变量的启发,采用罚因子协同进化机制,同步优化罚因子与解变量,应用于换热网络优化问题。协进化机制优化主要思想如下:建立两类种群,一类为罚因子种群,一类为换热面积种群。优化过程中,每一组换热面积种群用来评价每一个罚因子个体,逐个优化所有解种群,得到所有罚因子个体的评价值,再根据微分进化的思想,对罚因子执行变异、交叉、选择过程,进化罚因子。两类种群如此反复交替优化,直到满足终止条件。算例证明,协进化机制应用于换热网络优化能进一步提高优化效率与精度,也为混合算法选取合适的罚因子优化换热网络提供了一种新思路。