采用每股流體必進化策略的換熱網(wǎng)絡優(yōu)化方法

曹 美, 崔國民, 陳家星, 李 劍

(上海理工大學 新能源科學與工程研究所, 上海 200093)

1 前 言

換熱網(wǎng)絡綜合已成為化工系統(tǒng)研究的難點，國內(nèi)外相關研究從優(yōu)化方法的角度主要分為夾點分析和數(shù)學規(guī)劃法[1]。夾點分析[2]最早由LINNHOFF 等提出，以熱力學為基礎，分析過程系統(tǒng)中的溫度分布，選擇合適的夾點溫度及組合匹配方式以實現(xiàn)能量的最大回收利用。

數(shù)學規(guī)劃法可分為確定性方法和啟發(fā)式算法[3-5]。確定性方法如牛頓法[6-8]、最速下降法[9]、分支定界法[10]等，這些方法在求解具有非凸特性的混合整數(shù)非線性規(guī)劃問題時，求解效率較低，不能滿足大規(guī)模系統(tǒng)計算需求。而啟發(fā)式算法如模擬退火算法(simulated annealing, SA)[11-12]、禁忌算法(Tabu search, TS)[13]、微分進化算法(differential evolution, DE)[14]、遺傳算法(genetic algorithm, GA)[15]及粒子群算法(particle swarm optimization, PSO)[16]等，能夠利用已有的經(jīng)驗規(guī)則，隨機搜索求解域內(nèi)的全局最優(yōu)解。啟發(fā)式算法可操作性強，計算效率高，因此在換熱網(wǎng)絡最優(yōu)化問題中得到越來越多的應用。但是在種群進化后期，由于種群多樣性的缺失，啟發(fā)式算法容易出現(xiàn)早熟收斂的問題。同時大規(guī)模系統(tǒng)的求解難度和復雜程度不斷增加，影響優(yōu)化效率和優(yōu)化精度。

為了提高啟發(fā)式算法應用于大規(guī)模系統(tǒng)的優(yōu)化質(zhì)量，提升算法的全局優(yōu)化性能。肖媛等[17]總結(jié)了啟發(fā)式算法應用于換熱網(wǎng)絡優(yōu)化的特點，揭示了其早熟收斂現(xiàn)象的本質(zhì)，并在此基礎上提出了一種新的強制進化隨機游走算法(random walk algorithm with compulsive evolution, RWCE)。相比于其他啟發(fā)式算法，RWCE 具有程序簡單、算法適應性強的特點，具備跳出局部最優(yōu)解的能力，從而提升了換熱網(wǎng)絡的優(yōu)化質(zhì)量。……