Procesos Qumicos II
UNIDAD N4 Mtodos matemticos de optimizacin no restringida Bsqueda unidimensional
Muchos mtodos de optimizacin de problemas con restricciones (univariables y multivariables) involucran la resolucin de un problema de optimizacin en una dimensin. Los mtodos analticos imponen demasiadas restricciones a las funciones objetivos. Adems, no siempre es posible resolver el sistema de ecuaciones analticamente. Por este motivo se desarrollaron los mtodos numricos. Existen dos tipos de mtodos numricos, a saber: Mtodos directos: slo utilizan los valores de las funcin objetivo. Mtodos indirectos: utilizan las condiciones necesarias, las derivadas (analticas o numricas) y la funcin objetivo. Los mtodos indirectos requieren el clculo de las derivadas primeras y segundas. Sin embargo, muchas veces obtener las derivadas es una tarea difcil, y hasta es posible que ni siquiera se conozca la forma analtica de la funcin objetivo. Esto plantea la necesidad de contar con mtodos capaces de trabajar nicamente con los valores (experimentos) de la funcin objetivo. Estos son los mtodos de bsqueda directa. La obtencin de un valor de la funcin objetivo significar en algunos casos evaluar un modelo matemtico, mientras que en otros significar realizar un experimento. Sea como sea, siempre ser conveniente llegar al ptimo realizando la menor cantidad de evaluaciones. Esa es la misin de los mtodos de bsqueda directa, a partir de los resultados de las evaluaciones realizadas, sugerirn el siguiente experimento de forma tal de aumentar la velocidad de convergencia. Es decir, que estos mtodos disearn un adecuado plan de experiencias. El plan de experiencias puede ser secuencial o simultneo. Cuando disponemos de un equipo por un tiempo limitado, puede ser que nos veamos obligados a realizar una serie de experimentos simultneos. Estos experimentos son independientes, los experimentos realizados no influyen sobre la forma de realizar el siguiente. Un mejor enfoque es el plan de experiencias secuencial. Este mtodo analiza los resultados obtenidos en un experimento para sugerir la forma de realizar el prximo. Los mtodos indirectos tienen una ventaja inherente: la convergencia es normalmente rpida, pero no son buenos para funciones no lineales multivariables, estos mtodos dan como resultado un punto que puede encontrarse muy cercano al valor ptimo buscado. Los mtodos directos tienen la ventaja de que pueden ms fcilmente tratar problemas que involucran funciones con discontinuidades, puntos de inflexin y puntos finales, pero necesitan la definicin de un criterio de precisin, estos mtodos dan como solucin al problema de optimizacin un intervalo donde puede encontrarse el valor ptimo. Mtodos numricos para optimizacin de funciones de una variable Para la aplicacin de estos mtodos es necesario conocer el intervalo inicial 0 donde esta contenido el ptimo de la funcin objetivo, y asegurar la unimodalidad de la funcin en el intervalo en estudio. Un mtodo de optimizacin para una funcin de una sola variable podra ser determinar una grilla (tan fina como se quiera) de valores de x y calcular los valores de f(x) en cada valor de la grilla, el ptimo sera el mejor valor de f(x). Si utilizamos este procedimiento para funciones multimodales, el tiempo de clculo se vuelve prohibitivo. La seleccin del mtodo de bsqueda
Procesos Qumicos II del ptimo es una solucin de compromiso entre la complejidad del procedimiento y el nmero de evaluaciones necesarias. 1. Mtodos indirectos: Newton, Quasi-Newton y Secante Es de suponer que si adems de unimodalidad y continuidad en las funciones que queremos optimizar, se requiere tambin la derivabilidad de las mismas, podremos incrementar la eficiencia de los algoritmos de bsqueda. Nos referiremos en esta seccin a mtodos de bsqueda de ptimos en funciones derivables. Recordemos en primer lugar que la condicin necesaria para que un punto x* sea ptimo local de una funcin derivable es que se anule su derivada en ese punto, f(x*) = 0. Cuando f(x) es una funcin de tercer grado o superior, la solucin analtica de la ecuacin f(x) = 0 se complica. Por tanto, requerimos un mtodo de bsqueda que se aproxime sucesivamente al punto estacionario de f(x). La efectividad de estas tcnicas se evala mediante la velocidad de convergencia que presentan. Convergencia lineal x k +1 x * c 0 c 1 convergencia lenta xk x *
Convergencia de orden p x k +1 x * c c 0, p xk x *
p 1 convergencia muy rpida
Si p=2 la convergencia se dice que es cuadrtica
Convergencia superlineal x k +1 x * lim x k x * 0 k
convergencia rpida
Mtodo de Newton El mtodo de Newton requiere que la funcin sea dos veces derivable. Se expresa como:
x k +1 = x k f ' xk f '' xk
( ) ( )
asegurando que para cada paso k, f(xk+1)<f(xk), para la bsqueda de un mnimo. Este mtodo utiliza la condicin de que f(x)=0. Ventajas: es un proceso que converge cuadrticamente en forma local. Para una funcin cuadrtica converge con solo una iteracin. Desventajas: se deben calcular las derivadas primeras y segundas, si las derivadas segundas son nulas el mtodo converge lentamente, si existen ms de un extremo el mtodo puede no converger en el valor deseado.
Procesos Qumicos II
Desafortunadamente el mtodo depende de la eleccin del punto de partida y de la naturaleza de la funcin. Es bastante posible que este mtodo no converja hacia el verdadero punto estacionario. La figura siguiente ilustra esta dificultad. Si comenzamos en un punto a la derecha de x0, las aproximaciones sucesivas se alejarn del punto estacionario x*.
Mtodo de Quasi-Newton Este mtodo es una solucin a las limitaciones del mtodo de Newton. En el caso en que la funcin objetivo no sea conocida o no puedan evaluarse las derivadas, estas pueden reemplazarse por aproximaciones de diferencias finitas:
[ f (x + h ) f (x h )]
x
k +1
=x
k
[ f (x + h ) 2 f (x ) + f (x h )]
2h
h2
La desventaja adicional de este mtodo consiste en la necesidad de evaluar funciones adicionales en cada iteracin, tambin es necesario conocer el valor de h (paso de la diferencia finita).
Mtodo de la Secante El mtodo de la secante combina el mtodo de Newton con un esquema de reduccin de intervalo para encontrar, si existe, la raz de la ecuacin f(x)=0, en el intervalo (a,b). En este mtodo la condicin necesaria se resuelve mediante la siguiente expresin:
3
Procesos Qumicos II f xk + m x xk = 0 donde m es la pendiente de la recta que une los puntos xp y xq, dada por: f xq f x p m= xq x p Este mtodo aproxima la derivada de la funcin a una lnea recta, m aproxima la segunda derivada de la funcin.
( )
( )
( )
x* = x q
[ f (x )
q
f xq f xp
( ) ( )] (x
xp
donde x * es la aproximacin a x* en la iteracin n k. Este mtodo comienza utilizando dos puntos xp y xq, la eleccin de estos puntos debe hacerse de tal manera que los valores de las derivadas sean de signos opuestos. Este mtodo es de convergencia ms lenta que el mtodo de Newton.
2. Mtodos directos: eliminacin de regiones Este tipo de mtodos se centra en la bsqueda de las soluciones ptimas mediante sucesivas reducciones del intervalo de estudio y en la eliminacin de subintervalos. Si la funcin es unimodal, se puede definir un criterio para eliminar regiones donde seguro el ptimo no se encuentra. Para ello necesitamos evaluar la funcin en dos puntos y aplicar algo de lgica. En la figura siguiente se indica cual sera la regin eliminada para los tres casos posibles en la bsqueda de un mximo.
Procesos Qumicos II
Es fundamental el hecho de que la funcin estudiada sea unimodal, al menos dentro del dominio de inters. La utilidad de esta propiedad radica en el hecho de que si f(x) es unimodal, entonces solamente es necesario comparar f(x) en dos puntos diferentes para predecir en cul de los subintervalos definidos por esos puntos no se va a encontrar el ptimo. Cuando el subintervalo sobreviviente tenga una longitud suficientemente pequea, la bsqueda termina. La gran ventaja de estos mtodos de bsqueda es que solamente requieren evaluaciones de la funcin y no necesitamos ninguna hiptesis adicional acerca de la derivabilidad de la misma.
Bsqueda a intervalos iguales Este mtodo de bsqueda reduce en 1/3 la longitud del intervalo en cada iteracin. Entonces si L0 es la longitud original del intervalo (b-a) y Lk es la longitud luego de k iteraciones:
2 L = L0 3
k
Mtodo de la biseccin o dicotoma Este mtodo elimina exactamente la mitad del intervalo en cada paso. En este caso los puntos de bsqueda x1 y x2 se encuentran ms prximos entre s, manteniendo la equidistancia con los bordes.
1 L = L0 2
k
Mtodo de Fibonacci Con este mtodo se conoce ya el rango inicial de bsqueda y en cada evaluacin el mtodo tiende a acorralar el punto ptimo. El intervalo inicial de es L0 y se define 1 como el siguiente incremento: F 1 = L0 n 2 Fn
donde n, es el nmero de iteraciones que se desea realizar (en funcin a la tolerancia de error que se desea) y Fn es el nmero de Fibonacci para n evaluaciones, y se define as: F0=F1=1, Fn=Fn-1+Fn-2, n=2,3,... , la secuencia de Fibonacci es entonces 1,1,2,3,5,8,13,21,34,55 Se tiene entonces x1 = 1 y x2 = L0 - 1 Se supone que se quiere minimizar a la funcin unimodal f(x). Entonces si f ( x1 ) f (x 2 ) , rechazamos el intervalo 0xx1 y si f ( x1 ) f (x 2 ) , rechazamos el intervalo x2x1L0.
5
Procesos Qumicos II Grficamente se tiene que, si originalmente la funcin es como la que se ilustra en la figura, en la segunda iteracin se rechaza el intervalo 0xx1. En forma grfica tenemos:
A continuacin se calcula el siguiente incremento 2 y se define x3 como L0- 2 F 2 = L1 n 3 L1 = L0 x1 Fn 1 En caso de que se hubiera rechazado el intervalo x2x1L0, entonces L1=x2 y x3= 2. Se tiene en la segunda evaluacin lo siguiente: si f ( x 2 ) f (x3 ) , rechazamos el intervalo x1xx3 o si f ( x 2 ) f (x3 ) , rechazamos el intervalo x2xL0. El proceso se repite hasta llegar al nmero n de iteraciones prefijadas. La efectividad en este caso, 1/Fn, mide la tolerancia del error en el entorno del punto ptimo. As, por ejemplo, si se desea un error menor al 1%, se necesitan 11 evaluaciones de este mtodo, puesto que F11=144 y 1/F11 = 1/144<0.01= 1%.
Mtodo de la Seccin Aurea En la seccin Aurea se ubican dos puntos interiores de manera tal que el intervalo eliminado en cada iteracin sea de la misma proporcin que el intervalo total. Solo un nuevo punto debe ser calculado en cada iteracin. Consideremos la localizacin simtrica de dos puntos como en la figura:
Partimos de un intervalo [0, 1] de longitud unidad (simplemente por conveniencia) y localizamos dos puntos, cada uno a una fraccin de cada extremo. Con esta simetra, independientemente de qu valor de la funcin sea el ms pequeo, la longitud del intervalo que permanece es siempre . Supongamos que eliminamos el subintervalo de la derecha.
Procesos Qumicos II
Se puede observar a partir de la figura que el punto que queda, de los dos anteriores, est situado a una distancia 1 de uno de los extremos. En la estrategia que se plantea el mtodo del nmero de oro el punto que permanece en el interior del nuevo intervalo est ubicado en la posicin relativa en la que se encontraba el otro punto, que ahora limita la zona, la distancia 1 debe corresponder a una fraccin del intervalo (que es de longitud ). Con esta eleccin de , el siguiente punto debe localizarse a una fraccin de la longitud del intervalo desde el extremo de la parte derecha. 1 = 1 Por tanto, con la eleccin de que satisfaga 1 = 2, el patrn de bsqueda permanece en el intervalo reducido de la siguiente figura.
La solucin de esta ecuacin cuadrtica es =
misma = 0.61803 . . . El subintervalo final luego de cada iteracin es:
1 5 , siendo la solucin positiva de la 2
Lk = (0.618)
k 1
L0
Mtodo de Fibonacci y aproximacin al mtodo de la Seccin Aurea Para determinar la ubicacin de los puntos segn el mtodo de Fibonacci se utiliza, como F vimos, la expresin 1 = L0 n 2 . La relacin de nmeros de Fibonacci para grandes valores Fn de n se acerca a 0.3820, como se observa en la siguiente tabla:
n Fn 2 Fn
3 1/3 = 0.3333
4 2/5 = 0.4000
5 3/8 = 0.3750
6 5/13 = 0.3846
7 8/21 = 0.3810
13/34 = 21/55 = 0.3823 0.3818
Entonces para valores de n grandes, el ensimo nmero de la seria de Fibonacci puede calcularse con la siguiente relacin: 1 (1.6180)n +1 Fn 5
7
Procesos Qumicos II Esto indica que en el mtodo de Fibonacci para n grandes, la bsqueda debe comenzarse utilizando la relacin 1 = 0.3820 L0 . La aproximacin al valor ptimo obtenida luego de n experimentos ser entonces: L L L L = N = N N 4 L 2 = (0.6180 )n 1 L1 L N 1 L N 2 L1
Como podemos observar esta relacin es la utilizada en el mtodo del nmero de oro, k 1 Lk = (0.618) L0 . Entonces el mtodo de la serie de Fibonacci, para ms de cuatro iteraciones se convierte en el mtodo del nmero de la Seccin Aurea.
Mtodos de bsqueda preplaneada Este mtodo realiza todos los experimentos a la vez, determinando luego el intervalo que contiene el ptimo.
2.1. Comparacin de los mtodos de eliminacin de regiones Comparemos ahora las eficiencias relativas de los mtodos de eliminacin de regiones que hemos visto. Denotemos el intervalo de incertidumbre original como L0 y al intervalo de incertidumbre final, despus de N evaluaciones de la funcin objetivo le llamaremos LN Supongamos ahora que consideramos a la reduccin fraccional (RF) del intervalo original como una medida de mrito de los mtodos de eliminacin de regiones. Tenemos entonces: Bsqueda a intervalos iguales
Mtodo de la biseccin o dicotoma Mtodo de Fibonacci Mtodo de la Seccin urea 2 L = L0 3
k k
Lk = (0.618)
1 L = L0 2 2 0 Lk = F L N +1
k
k 1
L0
Las reducciones fraccionales pueden obtenerse fcilmente: Bsqueda a intervalos iguales Mtodo de la biseccin o dicotoma Mtodo de Fibonacci Mtodo de la Seccin urea Lk 2 = L0 3
k
Lk 1 = L0 2 Lk 2 = L0 FN +1 Lk k 1 = (0.618) 0 L
Procesos Qumicos II La siguiente tabla muestra los valores de RF(N) para distintos valores de N. Estos valores son indicativos de la eficiencia de cada mtodo. N=5 Bsqueda a intervalos iguales Mtodo de la biseccin o dicotoma Mtodo de Fibonacci Mtodo de la Seccin urea 0,132 0,913 0,154 0,146 N=10 0,017 0,988 0,014 0,013 N=15 0,002 0,998 0,0013 0,0012
De esta tabla se desprende que los mtodos ms eficientes son el de Fibonacci y la seccin dorada. En la prctica, suele calcularse el nmero de iteraciones que se requieren para obtener una precisin dada. Esto se puede obtener usando LN = , siendo la precisin requerida. 3. Mtodos de aproximacin polinomial Otra clase de mtodos de minimizacin unidimensional, localizan un punto x cercano al ptimo mediante interpolacin y extrapolacin utilizando polinomios como modelos de la funcin. La idea bsica de los mtodos de aproximacin polinomial es que si la funcin es suficientemente suave, entonces puede ser aproximada mediante un polinomio, y dicho polinomio puede entonces usarse para predecir la ubicacin del ptimo. Para que esta estrategia sea efectiva, es necesario que la funcin a optimizar sea tanto unimodal como continua.
Interpolacin cuadrtica
La interpolacin cuadrtica aprovecha la ventaja de que un polinomio de segundo grado con frecuencia proporciona una buena aproximacin de la forma de la funcin en las cercanas de un valor ptimo. As como existe una nica recta que pasa por dos puntos, hay nicamente una ecuacin cuadrtica que pasa por tres puntos. De esta forma, si se tienen tres puntos que contienen un punto ptimo, se ajusta una parbola a los puntos, despus se puede derivar e igualar a cero, y as obtener una estimacin del ptimo.
x* =
2 2 2 2 2 2 1 f (x 0 ) x1 x 2 + f ( x1 ) x 2 x 0 + f ( x 2 ) x 0 x1 2 f ( x 0 )(x1 x 2 ) + f (x1 )(x 2 x 0 ) + f (x 2 )( x 0 x1 )
Este mtodo utiliza evaluaciones de la funcin, y slo un nuevo valor de funcin debe ser calculado en cada iteracin.
Interpolacin cbica Este mtodo est basado en la aproximacin polinomial mediante un polinomio de tercer grado de la funcin que se quiere minimizar. El esquema es similar al mtodo cuadrtico. Se necesitan cuatro puntos iniciales, o cuatro valores de f(x), o valores de f(x) y sus derivadas cada dos puntos.
Procesos Qumicos II Este mtodo es de convergencia rpida, pero puede presentar errores en funciones no unimodales. Dados xk-1 y xk junto a f(xk-1), f(xk-1), f(xk), y f(xk) es posible ajustar una ecuacin cbica en los puntos. El punto xk+1 (mnimo) puede ser determinado como el punto mnimo relativo de esta ecuacin cbica.
f (x k ) + 2 1 x k +1 = x k (x k x k 1 ) f ( x k ) f (x k 1 ) + 2 2 f ( x k 1 ) f ( x k ) 1 = f (x k 1 ) + f ( x k ) 3 x k 1 x k
2 = 1 2 f (x k 1 ) f ( x k )
La aplicacin de ste mtodo requiere que xk-1<xk y f(xk)>f(xk-1).
10
Procesos Qumicos II
Mtodos indirectos Ejemplo: Minimizar la siguiente funcin utilizando los mtodos indirectos vistos anteriormente:
f (x ) = 2 x 2 + 16 x
1. Resolucin utilizando el mtodo de Newton El punto de partida es x0=1, el mtodo converge en 3 iteraciones
Mtodo de Newton xk f(xk) f(xk) 1 1,333 1,543 1,586 1,587 -12 -3,667 -0,550 -0,015 0,000 36 17,500 12,713 12,019 12,000 f(xk) 18 15,556 15,131 15,119 15,119
Iteracin 0 1 2 3 4
2. Resolucin utilizando el mtodo de Quasi-Newton El paso utilizado fue h=0.01, el mtodo converge en 3 iteraciones.
Mtodo de Quasi-Newton xk f(x+h) f(x-h) 1 1,333 1,543 1,586 1,587 17,8818 15,5197 15,1263 15,1195 15,1197 18,1218 15,593 15,1373 15,1198 15,1197 f(xk) 18 15,5555 15,1312 15,1191 15,1191
Iteracin 0 1 2 3 4
3. Resolucin utilizando el mtodo de la Secante
xp 1 1 1 1 1 1 1 1 xq 5 2,531 1,936 1,726 1,644 1,610 1,597 1,591 Mtodo de la Secante f(xq) x* 2,531 19,36 1,936 7,62401 1,72579 3,47485 1,64367 1,5311 1,61048 0,65235 1,5969 0,273 1,59132 0,11332 1,58902 0,04687 f(xp) -12 -12 -12 -12 -12 -12 -12 -12 f(x*) 19,131 15,761 15,228 15,138 15,122 15,120 15,119 15,119
Iteracin 0 1 2 3 4 5 6 7
El intervalo utilizado para optimizar la funcin fue (1,5), el valor ptimo se obtiene luego de 6 iteraciones.
11
Procesos Qumicos II
Mtodos directos, eliminacin de regiones Ejemplo:Diseo de un intercambiador de calor, minimizando los costos anuales (Product
and process design principles. Synthesis, analysis, and evaluation, Seider W., Seader J., Lewin D., 2004 2 Edition, pp 628-629. Ed. John Wiley and Sons Inc.)
En una refinera de petrleo, 80000 lb/hr de un gas ligero que salen de una torre de destilacin de crudo a 440F, son actualmente enfriados utilizando agua, antes de ser almacenados. El calor perdido podra ser utilizado para precalentar 500000 lb/hr de petrleo crudo, el cual se dispone a 240F y se calienta utilizando otros medios a un costo de $3/million Btu, la planta opera 8200 hr/ao. Basndose en los siguientes datos determine que debe hacerse.
Cp del gas ligero: 0.5 Btu/lb F Cp del petroleo crudo: 0.45 Btu/lb F Costo anual de operacin: Cop + 0.8248 Cp{A} Cp{A}: exp[11.667-0.8709 Ln(A) + 0.09005 intercambiador, ft2 U: 24.5 Btu/hr F ft2
[Ln(A)]2],
A: rea del
Planteo de la funcin objetivo: Los costos de operacin estn relacionados con el calor intercambiado, comenzamos por plantear los balances de energa: Q = 80000(0.5)(440 TLGO ,out ) Q = 500000(0.45)(TCO ,out 240 ) Balance de energa en el intercambiador:
Q = 24.5 A
(440 T
CO , out
) (T
LGO , out
240 )
440 TCO ,out Ln T LGO , out 240
Nuestro objetivo es minimizar el costo anual de operacin, la funcin objetivo ser: C A = 0.0246 * Q + 0.8248 * C p {A} En los planteos realizados hay variables que no se conocen, una de ellas ser nuestra variable de decisin. La mejor eleccin es la temperatura de salida del gas ligero, debido a que esta puede tomar valores limitados y permite calcular secuencialmente el resto de las variables. El valor superior de la temperatura de salida del gas es de 440F, en este caso el costo sera nulo, el lmite inferior es 240F, temperatura de entrada del petrleo crudo, el costo sera infinito. 1. Resolucin por el mtodo de Fibonacci, la tolerancia utilizada fue de 5%.
12
Procesos Qumicos II
Punto TLGO, out 1 316,19 2 363,81 3 287,62 4 316,19 5 268,57 6 287,62 7 259,05 8 268,57
Fibonacci, tolerancia 5% 6 2 A [ft ] TCO, out Q x 10 [BTU/Hr] 262,01 253,54 267,09 262,01 270,48 267,09 272,17 270,48 4,95 3,05 6,10 4,95 6,86 6,10 7,24 6,86 1684,8 813,0 2560,6 1684,8 3535,6 2560,6 4320,8 3535,6
CA x 10 [$/ao] -100,4 -58,9 -123,4 -100,4 -136,8 -123,4 -141,9 -136,8
La solucin ptima del sistema se alcanza en la iteracin nmero 7. La temperatura de salida del gas ligero ptima encontrada es de 259.05 F, el valor del costo anual es de -141.9 103 $/ao, es decir que la instalacin de intercambio de calor provocara un ahorro. Si se disminuye la tolerancia especificada puede lograrse un valor de temperatura ms cercano al ptimo, pero en ese caso el nmero de iteraciones aumenta. 2. Resolucin por el mtodo de la Seccin Aurea
Seccin Aurea 6 TLGO, out TCO, out Q x 10 [BTU/Hr] 363,60 316,40 287,22 269,18 258,04 251,15 246,89 253,58 261,97 267,16 270,37 272,35 273,57 274,33 3,06 4,94 6,11 6,83 7,28 7,55 7,72 A [ft ] 816,0 1679,8 2576,7 3494,7 4427,0 5367,7 6314,3
2
Punto 1 2 3 4 5 6 7
CA x 10 [$/ao] -59,1 -100,2 -123,7 -136,4 -142,4 -144,2 -143,4
La solucin ptima del sistema se alcanza en la iteracin nmero 6. La temperatura de salida del gas ligero ptima encontrada es de 251.1 F, el valor del costo anual es de -144.2 103 $/ao. La velocidad de convergencia de este mtodo es superior al mtodo de Fibonacci. 3. Resolucin por el mtodo de la Dicotoma, en este caso el valor de x utilizado fue de 10F
Mtodo de la dicotoma, x=10 6 2 3 TLGO, out TCO, out Q x 10 [BTU/Hr] A [ft ] CA x 10 [$/ao] 330,00 350,00 285,00 305,00 282,50 262,50 271,25 251,25 265,63 259,56 256,00 267,56 264,00 268,00 271,56 270,00 273,56 271,00 4,40 3,60 6,20 5,40 6,30 7,10 6,75 7,55 6,98 1381,3 1021,5 2667,6 1977,9 2775,9 3997,3 3363,3 5349,9 3745,6 -88,6 -71,2 -125,4 -109,6 -127,3 -140,3 -135,1 -144,2 -138,6
Punto 1 2 3 4 5 6 7 8 9
En este caso el valor de temperatura de salida del gas ligero, que optimiza nuestra funcin objetivo, se obtiene luego de 8 iteraciones.
13
Procesos Qumicos II 4. Resolucin por el mtodo de bsqueda secuencial con dos experimentos igualmente espaciados El valor ptimo se obtiene con 15 iteraciones. Puede observarse que de los tres mtodos utilizados para la resolucin del problema planteado, el mtodo de la seccin urea posee una velocidad de convergencia superior.
Busqueda secuencial con dos exp. igualmente espaciados 6 2 3 A [ft ] CA x 10 [$/ao] Punto TLGO, out TCO, out Q x 10 [BTU/Hr] 1 306,67 263,70 5,33 1931,0 -108,3 2 373,33 251,85 2,67 683,8 -50,4 3 284,44 267,65 6,22 2691,1 -125,8 4 328,89 259,75 4,44 1403,7 -89,6 5 269,63 270,29 6,81 3465,6 -136,1 6 299,26 265,02 5,63 2150,0 -114,3 7 259,75 272,04 7,21 4250,1 -141,6 8 279,51 268,53 6,42 2914,8 -129,4 9 253,17 273,21 7,47 5041,3 -143,9 10 266,34 270,87 6,95 3692,6 -138,1 11 248,78 273,99 7,65 5837,1 -144,1 12 257,56 272,43 7,30 4479,3 -142,6 13 245,85 274,52 7,77 6636,0 -142,8 14 251,71 273,47 7,53 5272,1 -144,1 15 249,75 273,82 7,61 5630,0 -144,2 16 253,66 273,13 7,45 4970,1 -143,8
5. Resolucin por el mtodo de bsqueda preplaneada, localizando el valor optimo dentro del 5% del rango inicial. En este caso los experimentos deben realizarse todos al mismo tiempo, el nmero de experimentos a realizar esta determinado por la tolerancia, que en este caso es del 5%. N 2 1 0.05 N 39
i(440 240) F , donde i indica el nmero de experimento, y N el nmero total N +1 de experimentos. Ti = 240 F + Una vez realizados todos los experimentos se determina el intervalo que contiene el valor ptimo. En este caso el ptimo de temperatura se encuentra entre (245F,255F).
14
Procesos Qumicos II
Punto TLGO, out 1 245,00 2 250,00 3 255,00 4 260,00 5 265,00 6 270,00 7 275,00 8 280,00 9 285,00 10 290,00 11 295,00 12 300,00 13 305,00 14 310,00 15 315,00 16 320,00 17 325,00 18 330,00 19 335,00 20 340,00 21 345,00 22 350,00 23 355,00 24 360,00 25 365,00 26 370,00 27 375,00 28 380,00 29 385,00 30 390,00 31 395,00 32 400,00 33 405,00 34 410,00 35 415,00 36 420,00 37 425,00 38 430,00 39 435,00
Bsqueda Preplaneada, tolerancia 5% 6 2 3 A [ft ] CA x 10 [$/ao] TCO, out Q x 10 [BTU/Hr] 274,67 273,78 272,89 272,00 271,11 270,22 269,33 268,44 267,56 266,67 265,78 264,89 264,00 263,11 262,22 261,33 260,44 259,56 258,67 257,78 256,89 256,00 255,11 254,22 253,33 252,44 251,56 250,67 249,78 248,89 248,00 247,11 246,22 245,33 244,44 243,56 242,67 241,78 240,89 7,80 7,60 7,40 7,20 7,00 6,80 6,60 6,40 6,20 6,00 5,80 5,60 5,40 5,20 5,00 4,80 4,60 4,40 4,20 4,00 3,80 3,60 3,40 3,20 3,00 2,80 2,60 2,40 2,20 2,00 1,80 1,60 1,40 1,20 1,00 0,80 0,60 0,40 0,20 6946,9 5581,2 4786,6 4225,9 3793,3 3441,7 3146,0 2891,2 2667,6 2468,6 2289,5 2126,8 1977,9 1840,8 1713,7 1595,5 1484,9 1381,3 1283,6 1191,5 1104,3 1021,5 942,8 867,9 796,3 727,8 662,3 599,4 539,0 481,0 425,1 371,2 319,2 269,0 220,5 173,6 128,2 84,1 41,4 -142,0 -144,2 -143,5 -141,5 -138,9 -135,9 -132,6 -129,1 -125,4 -121,6 -117,7 -113,7 -109,6 -105,5 -101,4 -97,1 -92,9 -88,6 -84,3 -79,9 -75,6 -71,2 -66,8 -62,3 -57,9 -53,4 -48,9 -44,5 -39,9 -35,4 -30,9 -26,3 -21,8 -17,2 -12,5 -7,9 -3,0 2,0 8,2
15
Procesos Qumicos II
Mtodos de aproximacin polinomial Ejemplo: Minimizar la siguiente funcin utilizando los mtodos de aproximacin polinomial analizados:
f (x ) = 2 x 2 +
16 x
1. Resolucin utilizando el mtodo interpolacin cuadrtica Los puntos iniciales utilizados fueron x0=1, x1=2.5 y x2=5, el mtodo converge en cuatro iteraciones, el valor ptimo obtenido es x*= 1.60.
x0 1 1 1 1 Interpolacin cuadrtica x2 f(x1) f(x0) x* 2,5 5 1,66 18 18,9 1,66 2,5 1,70 18 15,149 1,66 1,7 1,61 18 15,149 1,61 1,7 1,60 18 15,122 x1 f(x2) 53,2 18,9 15,2 15,1
Iteracin 0 1 3 4
f(x*) 15,15 15,190 15,122 15,120
2. Resolucin utilizando el mtodo interpolacin cbica. Para ste mtodo se necesitan dos puntos iniciales, y los respectivos valores de la derivada de la funcin, dichos valores iniciales fueron x0=1, x1=2. El mtodo converge en la tercera iteracin, el valor ptimo es x*=1.59.
xk Interpolacin cbica u1 u2 f(xk) -2.00 -2.33 -10.94 -10.90 -24.83 7.21 2.55 11.1 10.8 24.8 -12 4.000 -0.264 14.926 0.082 36.663 f(xk) 18 16 15.122 35.753 15.119 171.49
Iteracin
1 2 3 4
1 2 1.57 3.98 1.59 9.21
16
Procesos Qumicos II
Bibliografa
Beveridge G., Schechter (1970) Optimization: Theory and Practice Ed. McGraw-Hill. Castillo E., Conejo A., Pedregal P., Garca R., Alguacil N. (2002), Formulacin y Resolucin de Modelos de Programacin Matemtica en Ingeniera y Ciencia . Chapra Steven, Canale Raymond (2006). Numerical methods for engineers, 5th edition. Ed. McGraw-Hill. Edgar T., Himmelblau. (1988) Optimization of chemical processes Ed. McGraw-Hill. Reklaitis G., Ravindran A., Ragsdell K. (1983), Engineering Optimization. Methods and Applications, Ed. John Wiley and Sons Inc. Tarifa E. (2006) Optimizacin y Simulacin de Procesos. Mtodos numricos Facultad de Ingeniera - Universidad Nacional de Jujuy Zerpa L., Colmenares J. (2004), Optimizacin para ingenieros, optimizacin sin restricciones. Notas de clase, Universidad del Zulia, Facultad de Ingeniera, Divisin de Estudios para Graduados, Instituto de Clculo Aplicado. Repblica Bolivariana de Venezuela. Seider W., Seader J., Lewin D., (2004), Product and process design principles. Synthesis, analysis, and evaluation, 2 Edition, Ed. John Wiley and Sons Inc.
17
