关键词：模拟退火法，换热器的设计，优化，传热，数学模型。

化学加工工业目前面临着经济困境。全球对油和化工产的品需求减少，收入迅速下滑和经济衰退已经降低营运资金及投资的融资能力。这种致命的竞争以及利润率萎缩迫使行业反思批判新的投资决策。管壳式换热器（STHE）受聘于化工流程工业，是热工设备中最常见的类型，并在新项目的主要部分有投资。由于拥有大量的化工厂，STHE设计中小的改进都会造成大量的节能。STHE的设计师通常保证设计余量，来适应设计计算中任何的不确定性，以确保热交换器在实际车间正常工作。需要一小时是降低投资成本STHE，通过削减脂肪在设计，通过更有效的设计战略。二世设计的最经典的方法涉及一个重大的试验和错误，因为一个可接受的设计需要满足一些限制（例如，污垢津贴和允许压降）。计算机软件销售的公司，如传热研究公司（HTRI），传热与流体流动服务（HTFS）被广泛用于热换热器的设计和评价。这些套件包括各种设计方案的热交换器，包括在管直径的变化，管间距，贝壳类，管程数，隔板间距，挡板切，通常情况下，设计师选择不同的几何参数，如管长度，壳体内径和折流板的间距，根据经验到达一个可能的设计。如果设计不满足约束，必须选择一组新的几何参数，以检查是否有任何可能降低的传热面积，同时满足约束条件的。虽然很好的证明，这种方法非常耗时，而且可能不会导致任何费用标准明确占成本效益的设计。由于几个离散的设计配置的组合是可能的，设计者需要一个有效的策略来快速定位的设计配置，具有最小的热交换器的成本。因此，换热器的优化设计，可以带来大规模，离散组合优化问题[1]。文献综述

在文学作品中，尝试进行自动化和优化换热器的设计过程中，已经提出了很久的主题仍然在发展。所建议的方法主要是改变的目标函数的选择，大小参数的数量和种类，来利用数值优化方法。在商业软件中，换热器最近的成本功能被注册，成本的最小化主要是通过应用基于梯度的方法来实现。根据非线性和初始猜测的程度，大多数基于梯度法的传统的优化技术，有可能陷入局部最优条件。因此，这些传统的优化技术并不能保证在全球最佳，并且应用也有限。在最近的一段时间，一些基础自然现象（进化计算）如模拟退火[2]和遗传算法[3,4]的专家系统已被开发来克服这个问题。

chaudfroid [1]采用模拟退火换热器的优化设计，并开发了一个命令程序，来反复运行含有退火算法的HTRI设计方案。通过 SA与普通情况下设计方案的结果比较，得出结论在传热面上，使用SA明显节省了STHE成本。 [5]通过SA和GAs在解决这个问题上的性能比较，用遗传算法框架热交换器设计技术来解决

这个优化问题。他们还介绍了遗传算法的策略，以改善优化框架的性能。近日，卡普托 [6]也用了基于遗传优化换热器的设计。 selbas[7]用遗传算法优化设计的STHEs，将参数作为约束来实现最佳设计。上述研究人员将这些算法穷举搜索结果相比，得出的结论是大大节省计算时间，并获得多个解决方案，同样的质量比其他方法有优势，从而给设计师提供了更多的灵活性。 fesanghary [8]使用全局灵敏度分析，以确定对STHEs的成本最有影响力的几何参数（如管径，管壳直径，隔板间距等），来减少优化中的问题，并通过谐波搜索进行优化。近日，Patel and Rao [9] 应用粒子束优化技术来设计成本最低的热交换器。

    鉴于上述研究人员发现的令人鼓舞的结果，有人在本研究中做出了叫模拟退火（SA）策略的尝试，来优化热交换器设计问题。模拟退火（SA），最近的一项优化技术，是一个非常简单的进化策略，明显加快增强了数值优化，更容易找到函数真正的全局最佳值。模拟退火（SA）算法是一种随机优化，已被用来成功解决涉及搜索范围广的问题。这种优化技术类似于通过退火处理来熔融金属的冷却过程中。这种冷却现象通过控制玻尔兹曼概率分布的概念中的参数如温度来模拟。根据玻尔兹曼概率分布，某温度T下的热平衡系统中的能量分布的概率为P（E）=exp（-E/kT），其中k是玻耳兹曼常数。这个表达式表明，在高温下的系统具有几乎均匀处于高能量状态的概率。因此，通过控制温度T并且假设搜索过程遵循玻尔兹曼概率分布，一个算法的收敛性可以控制。学界有许多论文讨论SA的各种问题。在SA的全面研究中。 约翰逊[10-12]讨论SA四个问题：旅行商问题（TSP），图形划分问题（GPP），图着色问题和数量划分问题上的表现。在一般情况下，SA的性能在某些问题上是复杂的，对于这些问题，结果优于已知的启发式，在其他情况下，专门的启发式表现较好。