针对标准DE(差分进化)算法在优化换热网络时出现的局部搜索能力弱、易陷入局部最优等问题,本文建立了一种基于动态拓扑结构的分布式Memetic差分进化算法,同步综合换热网络。首先,在子种群内部采用基于欧拉距离的动态拓扑结构,子种群之间采用冯诺依曼拓扑结构,有效地加快了个体之间的信息交流,保持种群多样性,扩大搜索范围。继之,结合Memetic算法思想,将Hooke-Jeeves算法作为局部搜索策略,增强算法局部搜索能力。同时,对于局部搜索获得的新解,提出了一种协作学习机制,平衡算法的全局寻优与快速收敛能力。最后,为处理整型变量,提出了两条简单有效的整型变量优化策略,使算法实现了连续变量与整型变量的同步优化。选取两个经典算例验证了算法的有效性。算法应用于算例一,相对于现有文献的最优值,本文所得结构的费用值下降了1 783$/a,表明算法的性能优于标准DE算法以及其它改进版本的DE算法。算法应用于算例二,相对于现有文献的最优值,本文所得结构的费用值下降了1 209$/a,表明算法能够有效地处理大规模换热网络问题,具有很强的鲁棒性。