NSGA-Ⅱ和NSGA-Ⅲ应用于换热网络多目标优化的对比

作者：蒋宁^*; 范伟; 谢小东; 郭风元; 李恩腾; 赵世超

来源：化工进展, 2020, 39(07): 2534-2547.

DOI：10.16085/j.issn.1000-6613.2019-1466

• NSGA-Ⅱ
• NSGA-Ⅲ
• 换热网络
• 多个目标
• 优化

针对换热网络多目标优化问题,采用目前应用较广泛的两种多目标遗传算法,即NSGA-Ⅱ和NSGA-Ⅲ,对两种算法的性能进行对比研究。案例研究结果表明,NSGA-Ⅱ算法比NSGA-Ⅲ算法运行效率更高,NSGA-Ⅲ的运行时间是NSGA-Ⅱ的2倍以上;NSGA-Ⅱ算法的应用并不严格地受限于3个目标的最大目标数量,NSGA-Ⅱ在求解大于3个目标的多目标优化问题时也可能具有良好的性能,目标数量并非选择NSGA-Ⅱ和NSGA-Ⅲ算法的严格标准。对10×5换热网络案例进行4个相关目标改造优化时,从换热网络的单一性能指标来看,NSGA-Ⅱ算法更容易获得各目标的极值。从最小年度总费用的评价指标来看,两种算法的最优方案效果相近。对7×3换热网络案例进行6个目标的优化时,NSGA-Ⅲ算法得到各目标的极值较优。从最小年度总费用的评价指标来看,NSGA-Ⅲ算法获得的投资费用和年度总费用更小。对于目标函数数量不超过3个,或者3个以上具有一定相关性的多目标优化问题,推荐优先使用NSGA-Ⅱ算法实现快速寻优;而NSGA-Ⅲ算法由于其基于参考点的选择机制,运行效率较慢,更适合用于收敛困难的高维多目标优化问题。

• 单位
  浙江工业大学