周期优势结构提炼与搜索路径强化结合提升换热网络结构进化能力

针对强制进化随机游走算法（RWCE）在优化后期会陷入局部最优而使搜索能力下降的问题，提出周期优势结构提炼与搜索路径强化结合策略.首先对系统种群初步优化，每隔一定周期进行一次优势个体提炼，然后采用多重路径复制的方法将这些优势个体给其他个体，最后根据搜索机制遍布整个求解域.以优势个体为中心进行多重路径搜索策略，提高了局部寻优精度，增加了种群多样性，进而增强了全局搜索能力，优化效率和质量得以提高.     

智能调整接受差解几率的RWCE算法

强制进化随机游走算法（RWCE）应用于换热网络优化,具有算法流程简洁、结构进化能力强等特点。其中接受差解几率对个体跳出局部最优有重要的影响。本文统计优化后期连续变量和结构变量使得年综合费用下降的次数,分析二者对优化进程的影响,讨论接受差解几率在个体优化进程中所起的作用,提出一种通过判别差解结构与原结构的异同来智能调整接受差解几率的换热网络优化方法。该策略进一步强化个体的结构进化与跳出局部极值的能力,通过算例证明了策略的有效性。