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。     

一种新型Powell粒子群算法同步综合换热网络

针对换热网络同步综合方法的不足,本文提出了一种新型Powell粒子群算法,具有传统确定性方法的高精度以及启发式方法的高效率。同时针对群体智能算法优化换热网络问题时存在的不足,提出了云记忆体和个体对立策略,有效地避免算法发生早熟现象,扩大搜索范围。为处理整型变量而提出的两条整型变量优化策略与Powell粒子群算法结合,实现了连续变量与整型变量的同步优化。最后,选取两个经典算例验证算法的性能,均获得了优于文献的结果,表明算法能够找到更优的换热网络结构,是一种处理混合整数非线性问题的有效方法。     

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。     

特殊换热网络算例优化与分析

换热网络综合属于混合整数非线性规划问题,具有严重的非凸、非线性特性。为探讨某些换热网络算例可能存在内部公用工程且年综合费用极低的特殊换热网络结构,本文采用了允许公用工程内置的无分流分级超结构模型。基于布谷鸟搜索算法,通过设置最小换热量阀值及以较小概率接受较差结构来指导换热网络结构进化,建立适用于求解换热网络综合问题的优化算法,并对特殊算例的优化结果进行分析。本文列举3个特殊算例,具有热流体的初始温度高于热公用工程的入口温度或热公用工程的进出口温差较大的特征,改进的布谷鸟搜索算法能够搜索到带有内部公用工程的换热网络结构,且年综合费用得到明显下降。结果表明：对于特殊算例,公用工程内置能够优化换热网络的热量分布,节约换热器面积,有效降低换热网络的年综合费用。     

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。     

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。     

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。     

改进的差分进化算法及在聚丙烯牌号切换优化中的应用

针对差分进化算法早熟问题,提出一种改进差分进化算法,采用动态缩放因子解决优化过程中的变量约束问题,在进化过程中自动地调整控制参数取值以保证变量约束条件;引入聚集度作为参数评估种群分布的密集程度,增加一种新的变异算子在进化过程中根据聚集度情况对部分个体进行后续变异操作,适时调整种群分布,提高种群多样性,增强全局搜索能力。建立了聚丙烯牌号切换优化模型并将改进的差分进化算法应用于牌号切换优化模型的求解,仿真实验结果表明改进的差分进化算法在全局搜索能力和搜索效率两个方面有较大提高。     

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。     

基于自适应布谷鸟搜索的模糊聚类算法

由于布谷鸟算法的步长控制因子和发现概率在算法运行过程中保持固定,影响算法的整体寻优效率和寻优精度,为此提出一种自适应设置步长控制因子和发现概率的布谷鸟搜索算法,并利用它优化模糊聚类随机选取初始聚类中心影响聚类效果的缺陷。首先根据搜索阶段的不同自动调节两个参数,使全局和局部的搜索能力达到最平衡的状态,提高整体的搜索效率;然后用改进的布谷鸟搜索算法优化模糊聚类算法,使得算法达到更好的聚类效果。在对比实验中验证了改进后的自适应布谷鸟搜索算法在寻优速度和精度上效果更优。通过比较4种算法在UCI数据集上的聚类效果,验证了改进后的算法在聚类准确率和稳定性上都有所提升。     

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。     

一种基于并行计算的混合算法优化有分流换热网络

换热网络优化是化工过程系统工程领域的研究难点,其数学模型具有高度的非凸、非线性,在使用单一启发式算法优化时,往往具有局限性。研究以换热网络的年综合费用最小为目标,针对强制进化随机游走（RWCE）算法在优化时由于个体间独立进化,导致优化过程中信息缺乏交流的问题,提出将遗传算法（GA）与其混合。混合后的算法在保持前一半优势种群中的个体单独进化的基础上,通过周期性的交叉、变异等操作产生子代来替换掉劣势种群,从而增强了原有算法的整型变量优化能力,并弥补了弱势个体无法更新的不足。为了兼顾算法在大种群下优化有分流换热网络的计算效率,节约时间成本,使用OpenMP系统将混合算法实现了并行化设计。通过三个不同规模的换热网络问题对并行后的混合算法进行验证,结果表明该算法能在有效提升优化质量的前提下相比串行算法大幅缩短计算时间,其中两个算例突破了目前文献最优解。     

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。     

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。     

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.     

基于群体智能算法的换热网络同步最优综合

换热网络同步综合方法一般需要建立复杂的混合整数非线性数学规划模型,该模型具有非凸、非线、不连续的特点,属于最难求解的一类NP-hard问题,应用传统的优化算法很难确定其全局最优解,尤其是对大规模换热网络综合问题,甚至无法在合理时间内接近全局最优的局部最优解。针对换热网络同步综合问题,提出基于群体智能算法的分层优化策略,外层采用离散粒子群算法与遗传算法相结合的混合群体智能算法优化换热网络结构,内层在结构变量给定条件下利用改进粒子群算法优化冷热物流分流比与换热负荷。两个典型算例研究证明了该方法能以较高的效率和稳定性得到较好的优化结果。     

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。     

基于多重群体遗传算法的换热网络同步综合

通过对YEE换热网络分级超结构的分析和改进,建立了包含更多可行结构的换热网络超结构及其数学模型,扩大了网络结构的搜索范围。针对普通遗传算法和其他优化算法无法保证换热网络综合质量和效率的缺点,结合多重群体遗传算法进行网络优化综合,提高优化过程的稳定性,该方法将换热网络结构信息转化为种群和繁殖群体中个体的染色体信息,选择繁殖种群中优秀个体进入种群淘汰较差个体,实现种群的逐步新陈代谢。利用多重群体遗传算法对实际换热网络问题进行了优化。结果表明:多重群体遗传算法能有效提高换热网络优化的稳定性和鲁棒性,在优化变量和非凸性增加时,能获得综合性能良好的换热网络结构。     

基于AEA和PSO的双层同步换热网络综合方法研究

换热网络优化是一个多维、非凸、非线性、不连续的复杂混合整数非线性规划问题,传统的优化方法很难寻找到全局最优解。针对该问题研究建立了换热网络分级超结构非等温混合模型,提出了一种双层同步优化算法。该算法外层使用Alopex Evaluation Algorithm(AEA)算法优化结构变量分流比,内层使用Particle Swarm Optimizer(PSO)算法优化换热量。还提出了一种改进的不可行解修复策略,改善了算法的搜索能力。三个案例研究用以说明算法可以稳定寻找到较好的优化结果。