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]。     

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。     

常减压蒸馏装置换热网络的最优化

文章通过对某常减压装置的换热网络设计时的分析,提出最佳的网络优化方案。运用流程模拟软件在保证各侧线产品质量和收率的情况,通过对塔取热比例的优化,以尽可能提高换热终温;同时在不影响装置换热终温的前提下,尽可能的产生1.0 MPa蒸汽,大幅降低其他冷公用工程消耗,从而显著的降低装置的能耗。     

常减压蒸馏装置换热网络的最优化

文章通过对某常减压装置的换热网络设计时的分析,提出最佳的网络优化方案。运用流程模拟软件在保证各侧线产品质量和收率的情况,通过对塔取热比例的优化,以尽可能提高换热终温;同时在不影响装置换热终温的前提下,尽可能的产生1.0 MPa蒸汽,大幅降低其他冷公用工程消耗,从而显著的降低装置的能耗。     

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。     

基于改进萤火虫算法优化SVM的滚动轴承故障诊断

针对萤火虫算法优化支持向量机时,收敛速度较慢、易陷入局部最小值等问题,将萤火虫算法进行改进来优化支持向量机,用此方法来对轴承故障进行诊断.经过对比实验,发现该方法分类效果和识别准确率均有一定的提高.     

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。     

换热网络的优化改进和控制

通过对换热网络的定性分析提出了换热网络优化改进的4条规则：①控制变量应对调节变量反应灵敏；②选择的调节变量数应小于或等于控制变量数；③一组控制变量应有一组调节变量相匹配；④如果在标准操作条件下现有换热网络是最佳的，而且改进过程中对它做最小的改变就使换热网络适合当前的或多周期操作条件, 那么该改进费用一定是最小的，因此这种改进就是最佳的.根据上述规则，结合换热网络的灵敏度分析建立了换热网络优化改进及控制的数学模型和求解方法，给出了换热网络优化改进的步骤，通过实例计算及应用证明本文所提方法正确、可靠、有效，可在解决实际工程问题中使用.     

基于新策略粒子群算法优化换热网络

换热网络综合优化是过程系统中最广泛研究的方向。尽管如此,MINLP的复杂性给粒子群算法的应用提供了广泛的空间。首先,提出两种不同机理的局部搜索策略来完善粒子群算法作为启发式算法局部搜索能力不强和精度不高的问题,使算法能更有利地接近全局最优的局部极值。其次,对含固定投资费用的算例,采用费用计算替换公式的策略,来避免迭代计算初期面积较小时因为固定投资费用权重较大而使算法陷入局部最优问题。最后用4个四股流算例分别从不同侧面说明以上两种策略的有效性,并都得到了该算例目前为止最好的局部极值。     

换热网络多目标综合优化算法研究进展

资源和能源的可持续发展使得换热网络综合不仅要考虑经济性,同时要满足柔性、可靠性、可操作性和环境影响度等指标的要求。目前,换热网络多目标综合的研究有了初步进展并引起了广泛关注。本文阐述了进行换热网络多目标综合的必要性并总结了相关研究。重点对常用的多目标优化算法作了总结和对比,综述了其在换热网络多目标优化设计中的应用进展。研究表明,传统多目标算法越来越无法满足复杂模型的求解,而多目标进化算法可以很好地求解换热网络综合多目标优化问题,其中NSGA-Ⅱ算法是目前应用最广的有效算法。提出尝试NSGA-Ⅱ等多目标进化算法,基于超结构建立包括经济性、柔性、可靠性、可操作性和环境影响度等在内的换热网络多目标综合模型,给出Pareto最优解集合供决策者选择是未来的研究方向。     

基于新策略粒子群算法优化换热网络

换热网络综合优化是过程系统中最广泛研究的方向。尽管如此,MINLP的复杂性给粒子群算法的应用提供了广泛的空间。首先,提出两种不同机理的局部搜索策略来完善粒子群算法作为启发式算法局部搜索能力不强和精度不高的问题,使算法能更有利地接近全局最优的局部极值。其次,对含固定投资费用的算例,采用费用计算替换公式的策略,来避免迭代计算初期面积较小时因为固定投资费用权重较大而使算法陷入局部最优问题。最后用4个四股流算例分别从不同侧面说明以上两种策略的有效性,并都得到了该算例目前为止最好的局部极值。     

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。     

粒子群算法最优同步综合换热网络

采用粒子群算法,对无分流换热网络综合问题提出改进的优化策略.运用超结构建立换热网络模型,以最小年度总费用为优化目标,按顺序求解思路优化换热器换热量.该算法比遗传算法简单,所需调节参数少,且不易陷入局部最优解,能迅速得到换热网络的结构与参数,具有获得全局最优解的能力.仿真研究验证了方法的有效性.     

随机搜索算法在换热网络优化中的应用进展

随着对能源利用率要求的不断提高,换热网络的优化已引起了人们的高度重视。本文综述了国内外应用随机搜索算法处理换热网络优化问题的最新研究进展,分析了当前应用较多的4种随机搜索算法：遗传算法、模拟退火算法、粒子群算法、禁忌搜索算法。阐述了这些算法各自的优势和尚待改进的问题,指出将不同算法结合起来解决大规模的换热网络优化问题是今后的研究方向。     

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。     

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。     

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。     

NSGA-Ⅱ和NSGA-Ⅲ应用于换热网络多目标优化的对比

针对换热网络多目标优化问题,采用目前应用较广泛的两种多目标遗传算法,即NSGA-Ⅱ和NSGA-Ⅲ,对两种算法的性能进行对比研究。案例研究结果表明,NSGA-Ⅱ算法比NSGA-Ⅲ算法运行效率更高,NSGA-Ⅲ的运行时间是NSGA-Ⅱ的2倍以上;NSGA-Ⅱ算法的应用并不严格地受限于3个目标的最大目标数量,NSGA-Ⅱ在求解大于3个目标的多目标优化问题时也可能具有良好的性能,目标数量并非选择NSGA-Ⅱ和NSGA-Ⅲ算法的严格标准。对10×5换热网络案例进行4个相关目标改造优化时,从换热网络的单一性能指标来看,NSGA-Ⅱ算法更容易获得各目标的极值。从最小年度总费用的评价指标来看,两种算法的最优方案效果相近。对7×3换热网络案例进行6个目标的优化时,NSGA-Ⅲ算法得到各目标的极值较优。从最小年度总费用的评价指标来看,NSGA-Ⅲ算法获得的投资费用和年度总费用更小。对于目标函数数量不超过3个,或者3个以上具有一定相关性的多目标优化问题,推荐优先使用NSGA-Ⅱ算法实现快速寻优;而NSGA-Ⅲ算法由于其基于参考点的选择机制,运行效率较慢,更适合用于收敛困难的高维多目标优化问题。     

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。