分离过程是过程工程中重要的操作之一，通常也是能量和资源消耗的主要环节，为了节约能量和资源，热集成和水集成技术已逐渐得到推广和应用，这使得分离过程中的各单元之间产生强烈的耦合关系，给分离系统的最优综合带来了很大的困难。如何有效的对强耦合分离过程进行综合优化一直是过去和现在研究的热点。绝大部分的研究集中于分离序列的拓扑结构表示以及对数学模型的求解。为了保证数学问题的收敛，研究者往往对分离系统的拓扑结构进行简化或提供接近最优解的初值。然而，前者对优化结果的准确性将产生影响，后者较难实现。同时，上述提出的方法和模型实现过程过于繁琐，需要耗费大量的时间和精力，难于在实际中应用。针对过程集成导致的强耦合分离过程综合优化困难的问题，本文提出了一种便于过程工程师在企业环境中使用的有效方法——基于PC以太网络的分布式并行遗传算法与过程模拟软件结合的优化方法。与之前提出的各种用于优化分离系统的MINLP问题的优化方法相比，本方法具有以下优点：过程模拟软件的应用使优化问题化工过程模型的建立容易实现和方便修改，有利于工程师在实际工程中应用；严格的计算模型和目标函数使得计算结果更加可信；并行计算提高了本方法的时效性；基于PC以太网络的分布式环境使得并行计算平台易于组建和维护。本文首先从编码方式、选择、交叉和变异等遗传算子对遗传算法进行分析说明，详细解释了本论文所采用的二进制和实数混合编码方式、连续化遗传算子。为了提高遗传算法的优化效率，本文采用了自适应交叉、变异率。在计算过程中发现：遗传算法在进化的前几代就可以把搜索范围缩小在一个很小的范围内且容易陷入局部最优解。为解决这个问题，本文引入了逐级进化策略。此外，通过对单个个体计算时间分布的分析，发现单个个体的计算时间分布在一个很大的范围内，由此可知减少多数节点计算机的等待时间是提高并行遗传算法的计算速度的关键，并根据计算结果引入了负载平衡机制。对于约束条件采用常用的罚函数法。本文采用了以下方式完成了分布式并行遗传算法的具体实现：采用标准主从式网络模型，由VC++6.0和VB6.0在windows 2000机群环境下组建并行计算平台；采用ASPEN PLUS作为流程模拟工具，ASPEN PLUS的调用由VB6.0环境下编写的程序完成。为了验证本文提出的优化方法的实用性和有效性，本文以一个用常规方法难以得到优化结果的具有热集成和水集成的强耦合的甲醇精馏工艺过程为算例，以最小化系统的年费用为目标，对本文提出的优化方法进行验证。算例表明，采用负载平衡机制和自适应交叉、变异率可以大幅度减少传统遗传算法的时间开销和改善优化效率，CPU计算时间可以缩短48.3％。针对早熟问题，采用自适应交叉、变异率使遗传算法的确定性和效率都有了不同程度的提高。大规模计算结果表明，本文提出的方法可以有效的对强耦合分离过程进行优化。与文献值相比，本文的提出的优化方法得到的精馏最优设计的年消耗费用比其设计的年费消耗用低23.1％。本文还进一步分析了计算机台数、群体规模对优化结果和计算时间的影响，发现在本文算例中，群体规模为140-160时，优化效率比较高，且可以有效减小遗传算法的随机性；计算机数与群体规模的比值为0.08左右时，计算的时间效率最高。