冷卻器網絡最優綜合方法到目前為止，冷卻器網絡HEN綜合的方法基本上可歸納為3類啟發探試法數學規劃法和人工智能法。
1.1啟發探試法在用啟發試探法進行換熱網絡的最優合成中，用得最多的就是20世紀70年代末加，1提出算法。有關這些方法本文不再贅述。
1.2數學規劃法應用得最多的是數學規劃法。由於許多化工過程綜合問可以歸結為混合整數非線性規劃問MLNLP，所以如何有效地對其進行求解是近年來過程綜合領域非常活躍的研究方向。
目前MlNLP問傳統的算法主要有分枝定界法廣義6以分解法外逼近等24.尹洪超等5又提出了些改進箅法61.這些確定性方法對目標函數有定的要求，不易得到函數的全局極值解。
而艮求解效率較低，不適合大規模問的求解。近年來人們逐漸將隨機尋優法引人到過程係統綜合中，取得了些卓有成效的結果。隨機尋優法最常的有遺傳算法模擬退火算法。近年來，遺傳算法越來越多地應用到工程技術領域處理複雜的非線性係統。這種方法對不同的係統綜合問具有通用性75，而且可進行各子係統之間的多目標同步聯合優化和能量集成，得到最優的係統流程結構和操作參數。
方海鶥等8將遺傳算法用於求解大規模換熱網絡綜合問，但所求結果不定為全局最優解。
為更好的解決這問，近些年來對傳統遺傳算法做了些改進。王克峰等9提出了種混合遺傳算法。該算法針對遺傳算法中常的提前收斂或局部最小現象提出幾種算子，實例明本算法具有較強的全局優化能力。在隨後的研究中，他又將種改進的遺傳算法1應用於大規模無分流換熱網絡最優綜合問流股數超過50股的嚴格的混合整數非線性規劃MINLP超結構模型，成功地解決了組合爆炸問。劉洪謙等有效地防止了搜索過程陷入局部極值陷阱，實現了全局搜索。王豪12等提出種基於遺傳算法和受控隨機搜索的係統優化策略。該方法可用於解決較大規模的係統優化問統遺傳算法的計算精度和速度，文獻13將叩1隻0出0，3，6，16加0算法引人遺傳算法中，得到遺傳找混合算法。不僅提了傳統遺傳算法的計算精度和速度並且有利於遺傳算法跳出局部最優值達到全局最優值。
盡管遺傳算法以其，棒性可並行處理性及高效率得到廣泛的應用，但由於實際工程中變量規模龐大，使遺傳算法的優勢不能得到充分發揮。為此，0，41采用了模擬退火算法來求解離散和連續問種改進的自適應模擬退火算法，用於求解大規模非凸MINLP問。
遺傳算法和模擬退火算法有很好的實用性，如對目標函數的要求不高算法簡單易於實現。同時者又有不同的優點模擬退火算法關於收斂性有嚴格的理論證明，怛是從單點進行搜索，不具有隱含隱含的並行性。為充分發，兩者的優越性，文獻16；將改進的遺傳算法和模擬退火算法有效地結合，增強了遺傳算法的搜索能力，預防了傳統遺傳算法提前收斂的缺陷。同時又可處理熱冷流股數超過100的大規模過程係統的用能優化問。方海鵬17等也是將兩者有效地結合，提出了種新的處理方法。他首次將化工換熱網絡綜合問化為雙層規劃。其層規劃是關於排序的優化問，下層規劃是關於冷卻器出人口溫度的約束規劃。又將下層規劃轉化為關於各冷卻器的換熱量的混合整數規劃。避免了傳統遺傳算法應用懲罰函數的方法處理約束條件時產生的大量不可行解的缺陷，而且新模型的優化變量數成倍減少，增強了遺傳算法獲得全局最優解的能力。
隨著計算機技術的逐步發展，數學規劃法的些優點得到了充分的發揮，如它可以得到統計意義上的最優解。怛它仍然存在些缺陷計算工作量較大，即使求解非常簡單的問，也需要花費大量機時；隻適合於凸函數；對於多峰問易於出現局部最優解。因此近年來提出了些新的優於數學規劃法輯與啟發性知識的MINLP過程優化綜合方法。還有方海鵬等19將論和群論的方法應用於換熱網絡綜合問。
1.3人工智能法有關人工智能法的研究不是很多。主要的有專家係統和神經網絡。
1.3.1專家係統近些年來用專家係統來解決換熱網絡綜合十分普遍。這是因為實際的換熱網絡綜合問十分複雜，匹配過程中要考慮許多約束條件，而且這些約束往往是描述性規則，根本無法用數學方程而應用專家係統則很好的解決了這問。
華南理工大學的李誌紅等人在1998年就指出，各種工程因素如設備材質冷卻器類型等因素是定性的而非量化因素，很難用般的數學方法直接出來。因此，提出用專家係統方法處理上述各種，程因素即把上述工程因素通過專家係統方法歸納到成本方程中。隨後的研究中又將專家係統應用於大規模換熱網絡超結構模型及，步最優綜合設計。利用專家係統確定的物流的分流及匹配禁止作為約束條件建立了數學模型。通過模型能自動地獲得換熱網絡的最優結構。這不僅簡化了網絡超結構模型的形式，降低了模型的規模，而且結構更全麵，更接近工程實際的需求；同年她又利用相同的原理提出了同時考慮控製性能的有分流網絡的合成方法22該方法適用於大規模換熱網絡的合成和控製的集成，具有很高的應用價值。清華大學的張平等23人設計了個正向推理的專家係統解決初始網絡中的換熱不均問。利用專家知識和經驗，建立了調優規則的知識庫，並應用回溯控製策略搜索調優規則隨著調優規則的豐富，該係統可以進步解決初始網絡調優中的壓降不均和物流工藝溫度不滿足等問，因此具有良好的擴充性。
1.3.2神經網絡張雯等24在多層神經網絡基礎上結合遺傳算法提出種冷卻器網絡優化新算法。該算法能夠以隨機方式搜索網絡拓樸結構和運行參數，有效地克服了傳統冷卻器優化方法的不足。6神經網絡HNN是個動力學係統。它的求解，對模型參數的依賴性很強。模型參數選擇不當，很容易使結果陷入局部極小值。為此，北京化工大學的畢立群25等將HNN與專家係統相結合進行換熱網絡設計。這種混合方法不僅可以發揮叩神經網絡模型尋優速度快的優勢，而且在專家係統的作用下，減小了叩神經網絡對模型參數的依賴性，保證了全局最優解。對於較複雜的實際問，也能在合理的時間內得到結果，不會受到問規模的限製。
2換熱網絡的應用前景對於換熱網絡綜合，大多數工作都是兼顧了這些目標公用工程負荷最少；冷卻器換熱麵積最小；換熱設備數最少。近些年來考慮些具體工程因素不同冷卻器具有不同的適宜傳熱溫差冷卻器的材質及類型不同各冷卻器的傳熱係數相差很大以及設備法更具有實用性。但對於些非定量目標，如換熱。676.
網絡的彈性卻沒有引起足夠的重視。
換熱網絡的彈性是指在穩態或動態下的可操作性。在石油化工等現代過程工業中，生產條件經常在某範圍內波動。為了保證正常高效的運轉，換熱網絡的彈性要求是很重要的。目前，有人引人彈性指數作為換熱網絡柔性的測量126，用以找出現有網絡的瓶頸即哪些冷卻器的負荷或傳熱溫差限製了網絡的彈性指數或新網絡的設計；1也有采用混合整數線性規劃和非線性規劃模型同網絡柔性分析相結合的方法來處理流股流量人口溫度有變化因此涉及個適合於大規模的彈性換熱網絡綜合就顯得很重要。
3結語由上可以看出，換熱網絡最優綜合的方法已經相當成熟。近些年來出現的新方法都是越來越兼顧了定量和非定量目標，然後對其進行權衡，得到最優件即對於彈性換熱網絡綜合的理論卻不是很成熟。
因此更好的開發彈性換熱網絡綜合方法對於化學工程以及石油化工具有很重要的意義。

更多詳情請谘詢：http://www.sifste.com/