RWCE算法控制参数动态更新促进换热网络结构进化策略

相较其他进化算法,强制进化随机游走(RWCE)算法能够始终保持较高的种群多样性,从而有效地跳出局部最优。然而,目前对于该算法进化过程中的控制参数如最大步长、最小换热量或换热面积以及接受差解概率的设置仍无严格定义,其取值方法和取值范围都将对结构进化的进度、换热单元生成和消去速度以及最终的换热单元数产生直接影响。根据换热单元数设定逐渐变化的控制参数,进行逐级优化尝试。引入logistic函数作为接受差解概率的取值策略,使最大步长和保留系数均随换热单元数线性变化,实现控制参数的动态更新从而促进换热网络结构进化。通过算例验证,该策略能提高RWCE算法优化换热网络的效率,可获得更理想的网络结构。

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。

一种自适应强制进化随机游走算法应用于换热网络综合

RWCE(强制进化随机游走)算法应用于系统热集成时,最大步长既影响当前可行搜索域的范围,又影响整型变量的进化,固定参数设置降低了更优解产生的几率。因此提出一种融合自适应步长和自适应反向学习策略的RWCE算法。建立随机动态步长,在导向参数牵引下自动激励有利步长值持续进化;在此基础上,建立自适应反向学习策略改变个体进化路径,使算法在优化的不同阶段能够自动搜索最佳步长,并挖掘尽可能多的结构,充分发挥算法全局搜索和局部开发能力。最后研究并计算H6C10、H10C10、H13C73个典型中大规模算例,结果表明该方法能够进一步提升算法的寻优能力。

采用分流比差异优化策略的RWCE算法优化换热网络

强制进化随机游走算法(Random Walk Algorithm With Compulsive Evolution, RWCE)用于有分流换热网络优化时,由于变量维数的急剧增加,不仅严重影响优化效率,还降低算法的全局搜索能力。鉴于此,本文提出分流比差异优化策略,利用负分流比对换热网络结构产生扰动,同时降低已有换热单元分流比的优化频率。最后,通过10SP2算例分析策略对RWCE算法优化性能影响,经验证分流比差异优化策略能够增强换热网络的结构优化能力,并提高换热网络的优化质量。

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。

一种应用于换热网络综合的伴随优化策略

为解决强制进化随机游走算法(random walk algorithm with compulsive evolution,RWCE)应用于换热网络综合时进化停滞的问题,提出了一种伴随优化策略(CO-RWCE):对种群中各个体优化进程进行监控,当个体因接受差解陷入长期进化停滞时,将该个体历史最优解回代给个体以调整优化方向;若多次回代后个体仍未进化,则将全局最优解传给个体并摄动以实现重生。在回代或重生后,采用一种游走概率递减技术,控制游走变量个数以提升搜索精度。优化结果表明:改进策略增强了个体自身进化能力,有效提升了算法搜索能力。

参数寻优的多个体平行搜索法应用于换热网络全局最优化

为提高强制进化随机游走算法的优化效率和通用性,提出多个体平行搜索法:将原种群划分成多个平行个体,每个个体独立设置算法中主要的控制参数;同时,结合单因素轮换法,轮换改变各单一参数,以考察各参数对优化进程的影响,最终找到最优参数匹配并应用到后续的整体优化中。采用16SP和20SP算例检验该方法的有效性,较最新的文献结果分别降低了14 169$/a和17 023$/a,该方法在能够得到各个算例适合控制参数的同时,提高了优化效率。

基于控制参数动态协调策略的换热网络优化研究

换热网络全局最优化一直是系统集成领域的难点。强制进化随机游走算法在优化过程中,对于不同实例、不同初始条件、不同随机条件和不同优化阶段,无法预知最优的控制参数组合。因此,建立控制参数的动态协调策略,周期性地随机更新种群中个体的优化参数,同时保护周期内的有效参数组合,从而实现每个个体优化路径的动态调整,拓宽其搜索方向,寻得最佳参数匹配路线,提升全局优化质量。最后,将改进后算法应用于两个工业算例,所得的年综合费用较原算法结果分别下降了0.49%和0.05%,且均低于公开文献最优结果,表明控制参数的动态协调策略能够更有效地促进原算法的全局搜索。

基于控制参数动态协调策略的换热网络优化研究

换热网络全局最优化一直是系统集成领域的难点。强制进化随机游走算法在优化过程中,对于不同实例、不同初始条件、不同随机条件和不同优化阶段,无法预知最优的控制参数组合。因此,建立控制参数的动态协调策略,周期性地随机更新种群中个体的优化参数,同时保护周期内的有效参数组合,从而实现每个个体优化路径的动态调整,拓宽其搜索方向,寻得最佳参数匹配路线,提升全局优化质量。最后,将改进后算法应用于两个工业算例,所得的年综合费用较原算法结果分别下降了0.49%和0.05%,且均低于公开文献最优结果,表明控制参数的动态协调策略能够更有效地促进原算法的全局搜索。