为节约成本,提高采购多样性,炼油厂经常利用一个或多个原油的混合来替代目标原油,该技术被称为原油调和,或者原油调合。目前,国内外学者已提出一些求解原油调和问题的方法,但均是针对求解几种比例固定的原油混合问题,且忽略了原油选择时的优化问题。群智能优化算法具有寻优能力强、求解速度快、易用性高等优点,被广泛应用于工业调度、人工智能等各领域的优化问题中。本文针对原油调和问题的特点,将群智能优化算法应用于原油调和问题中,主要的研究内容如下:(1)提出了一种基于莱维飞行的灰狼优化算法(Grey Wolf Optimization Algorithm based on Levy Flight,LGWO)。灰狼优化算法(Grey Wolf Optimization Algorithm,GWO)是一种典型的群智能优化算法。标准的GWO算法在迭代的后阶段容易陷入局部最优,丧失了种群的主动性,影响了算法的寻优精度。针对这些弊端,本文在GWO算法中引入了随机性较强、搜索无规律和发展不连贯性的莱维飞行。为了检测所提出算法的性能,与其它典型的群智能优化算法在12个测试函数上进行测试对比,结果表明LGWO算法的全局寻优能力更强。(2)建立了一个原油选择与混合优化模型,给出了利用LGWO算法求解模型的具体方法。针对模型中存在的连续型变量和二进制变量的问题,设计了一种新的编码方案进行处理,可以确定混合原油的各比例。为了确保实验的公正性,与布谷鸟搜索算法、粒子群算法等鲁棒性较强的算法在原油数据上进行对比实验,LGWO算法获得的混合原油与目标原油的相似度达到了99.7%,表明基于莱维飞行的灰狼优化算法是一种求解原油调和问题的有效方法。综上所述,本文将基于莱维飞行的灰狼优化算法应用于原油调和问题中,能为炼油厂寻找替代原油和其他材料混合提供参考,对于炼油企业的经济发展有着重要的意义。