Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  algorytm M-LJ
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Projektowanie procesów technologicznych jest związane z optymalizacją. Najczęściej stosuje się metody deterministyczne optymalizacji matematycznej (programowanie matematyczne), głównie rzutowania gradientu lub sekwencyjnego programowania wypukłego. Omówiono zastosowanie metody stochastycznej z klasy algorytmów adaptacyjnego przeszukiwania losowego (APL). W pierwszej części pracy przedstawiono analizę metod APL proponowanych w literaturze oraz tzw. algorytm M-LJ opracowany przez autorów. Umożliwia on rozwiązywanie problemów optymalizacyjnych nieliniowych ze zmiennymi zarówno ciągłymi, jak i dyskretnymi. Przedstawiono przykłady zastosowania algorytmu M-LJ do rozwiązywania szeregu problemów projektowania optymalnych procesów wchodzących w zakres zainteresowań inżynierii chemicznej i procesowej. Pokazano, że umiejętne sformułowanie problemu umożliwia, z zastosowaniem prostej metody M-LJ, obliczenie optimum globalnego z dużą niezawodnością.
EN
Designing chemical engineering processes is inherently connected with mathematical optimization. Most often deterministic optimization approaches (mathematical programming) are employed such as generalized gradient projection or sequential quadratic programming. This two-part paper shows application of stochastic approach from the class of adaptive random search (ARS) algorithms. In the first part analysis of ARS methods suggested in the literature is given as well as the so-called M-LJ algorithm developed by the authors. This algorithm allows solving mixed-integer non-linear problems (MINLP). In the second part (1) of this work examples of M-LJ method application are presented for several problems from chemical and process engineering. It has been shown that with proper model formulation the use of very simple M-LJ algorithms allows locating global optimum with high reliability.
PL
Przedstawiono przykłady zastosowania algorytmu M-LJ do rozwiązywania problemów optymalizacyjnych z zakresu inżynierii procesowej. Przykłady dotyczą problemów nieliniowych ze zmiennymi ciągłymi lub ciągłymi i dyskretnymi. Pokazano, że prosty algorytm M-LJ może być z powodzeniem zastosowany w różnorodnych problemach praktycznych wchodzących w zakres zainteresowań inżynierii procesowej. Rozwiązano wiele problemów optymalizacji rozważanych w literaturze, stosując oryginalne sformułowania modeli optymalizacyjnych, zapewniające dużą niezawodność wyznaczania optimum globalnego.
EN
A detailed analysis of stochastic optimization method called adaptive random search (ARS) was given in part I[1]. Also, a detailed description of the M-LJ algorithm developed by the authors was presented. The algorithm accounts for mixed integer nonlinear programming problems. The examples solved are nonlinear problems with continuous or mixed integer variables. It is shown that simple ARS method is able to solve practical problems of process engineering. Many optimization problems from the literature were solved here by using novel formulations that allowed reaching high robustness in respect of determining global optimum.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.