换热网络热集成是过程系统集成的重要环节,能够有效地控制过程系统的能源消耗,提高其能源利用率。从优化的角度,换热网络同步综合属于混合整数非线性规划问题,随着系统中流股数目的增加,加剧了系统的非线性程度,极大地增加了换热网络全局热集成的难度。现有的全局优化方法无法兼顾优化的效率和最优解的精度,而目前应用最广的分级超结构模型对优化方法具有一定的限制作用,难以实现复杂换热网络热集成问题的全局最优化。因此,本文从全局优化方法和超结构模型的角度出发,研究并开发高效率、高精度的全局优化算法和新型的换热网络超结构模型,从而实现换热网络热集成的求解精度和优化效率的全面提升。论文的主要研究内容和创新点如下:第一,对比并归纳了启发式方法的优化机制及特点,并以粒子群算法为例揭示了其应用于换热网络热集成中早熟收敛问题的本质,在此基础上提出了强制跳出策略,通过局部极值点邻域内的随机变量来更新其最优搜索方向。结果表明,结合强制跳出策略的粒子群算法能够有效地提升连续变量优化精度,不断地跳出局部最优解而搜索到更优的换热网络结构。第二,首次建立了强制进化随机游走算法（Random Walk algorithm with Compulsive Evolution,RWCE）,实现了分级超结构模型整型变量和连续变量的同步优化,并从算法优化机制和种群团聚的角度出发,揭示了算法具有良好全局搜索能力的机理,进一步建立了精细搜索策略和随机摄动策略,形成了适用于大规模换热网络热集成问题且兼具局部优化精度和全局优化效率的RWCE算法体系:（I）RWCE:首次建立了基于纯随机进化机制、强制进化原则、小概率接受差解机制的RWCE算法,成功地将其应用于无分流换热网络的全局热集成,实现了换热网络整型变量和连续变量的同时优化;在此基础上,分析了算法关键参数对其优化性能的影响。研究表明,RWCE易实现、可操作性和适应性强,并且进化过程中始终能够保持个体的活跃度,从而具有很强的全局搜索能力。（II）FS-RWCE:首次建立了提升非线性优化性能的精细搜索策略,解决了RWCE算法局部搜索精度不高的问题,并建立了结合精细搜索策略的RWCE算法（FS-RWCE）,成功地将其应用于大规模换热网络问题的全局优化;研究结果表明,FS-RWCE能够有效地提升RWCE优化连续变量和整型变量的精度,从而兼顾局部优化精度和全局优化效率。（III）随机摄动FS-RWCE:首次建立了提升整型变量优化性能的随机摄动策略,进一步提升FS-RWCE优化整型变量的效率,并通过不同规模的实例验证其有效性。研究结果表明,引入随机摄动策略后,大规模问题中连续变量和整型变量的优化性能均可得到进一步提升。（IV）RWCE的团聚效应:首次揭示了RWCE在换热网络优化过程中的团聚现象,建立结构相似性评价指标实现了具有相同结构信息的集团的自动识别和监控,并通过观察进化过程中的集团分布情况概括团聚现象的特征;在此基础上,分析了种群的最优个体和自由个体所在集团及其结构共同体的变化情况,总结了团聚现象对RWCE优化性能的积极作用和消极影响,并利用该团聚效应建立了相应的策略进一步提升算法的全局优化性能。研究表明,在结构共同体和自由个体的共同作用下RWCE得以具备强大的全局寻优能力,将最优个体作为种群的结构共同体从而强化集团作用,并通过随机摄动弱化集团作用,能够有效地提升算法的全局和局部搜索能力。第三,首次建立了换热网络同步综合的节点非结构模型,以节点形式量化换热器位置,通过热、冷节点的随机匹配形成网络结构;并应用RWCE实现了节点非结构模型的优化,在大规模换热网络热集成中获得了更高的求解精度和优化效率;在此基础上,建立了换热器均匀分布策略,增大新换热匹配生成的几率。结果表明,节点非结构模型具有更强的灵活性和自由性,能够扩展可行解的搜索域,与RWCE结合能够获取求解精度和优化效率的全面提升;引入换热器均匀分布策略则能提高整型变量的优化效率,进一步扩大节点非结构模型应用于换热网络热集成的优势。总之,本论文从全局优化方法和同步优化模型两条主线出发,创造性地提出了换热网络全局热集成的RWCE算法以及节点非结构模型,能够实现整型变量和连续变量的高效优化。RWCE算法和节点非结构模型的建立和结合为解决目前大规模换热网络热集成问题的全局优化困境打开了新的突破口,更为大型复杂系统的全局热集成开拓了新的思路和方向。