化工生产中经常要利用精馏塔进行多组分混合物的分离,当组分多的时候,会有很多分离序列,即分离顺序。分离序列不同对应的分离费用也不同。为了节约资源和节省费用,需要寻求最优的分离序列。分离序列的个数随着组分的增加呈现爆炸性增长,传统方法不适合用于过多组分的精馏分离序列优化综合,应采用智能优化算法对其优化。因此本文采用遗传模拟退火算法对精馏分离序列问题进行优化研究。并分别与基于模拟退火算法和遗传算法的优化结果进行对比。本文用数据结构中的二叉树对精馏分离序列编码,用matlab结构数组的方法实现对二叉树的生成、遍历和编码。采用相对费用函数作为评价函数,以十组分烃类混合物为研究对象,进行精馏分离序列优化综合。对沸点和摩尔流率已知的十组分混合物的4862个精馏分离序列以及对应的相对费用函数先采用枚举法列举,得出最优分离序列和最优分离相对费用,以验证算法的有效性。由于遗传模拟退火算法是遗传算法和模拟退火算法两种方法的有效结合,因此本文先对这两种算法进行研究和应用,包括对连续函数的优化和对精馏分离序列优化。模拟退火算法优化分离序列时,采用与调优法交换相邻分离器类似选取父节点调换方法产生临域函数。遗传算法优化分离序列时,遗传过程中采用双亲繁殖交叉,二叉树拆分、生长变异的方法做遗传操作。遗传模拟退火算法可以有效避免陷入局部最优,而且对参数的要求不苛刻,优化性能和鲁棒性都很高。用此算法对连续函数和精馏分离序列问题优化,首先由初始种群先经过遗传操作产生下一代群体,然后每个个体进行模拟退火过程产生用于遗传操作的下一代群体。把三种优化方法对连续函数和对精馏分离序列的优化结果进行了比较。比较的结果表明,遗传模拟退火算法优化的结果要优于另外两种算法,可以有效应用于精馏分离序列优化综合