将PSO(粒子群算法)应用于优化换热网络时,能够快速找到一个全局搜索的最优区域,但同时也会出现局部极值问题。这些问题是由于全局搜索能力的退化和算法的早熟收敛所致。本研究针对该退化现象的机理进行了深入分析,找到了粒子群算法早熟收敛的本质,提出了一种强制跳出的改进策略,通过激活陷入局部极值的粒子,恢复种群多样性并继续搜索全局最优解。算例证明,改进后的粒子群算法的搜索策略适用于换热网络连续变量优化,应用于文献[16]10SP2算例,得到的年综合费用较文献[14]下降了205$/a;应用于文献[18]8SP1算例,得到了目前最小的费用30793$/a。改进的PSO较标准PSO和文化基因PSO优化后的费用均有所下降。