capÍtulo 5 otimizaÇÃo paramÉtrica
DESCRIPTION
CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA. 03 DE SETEMBRO DE 2008. REVISÃO DE CAPÍTULOS ANTERIORES. ENGENHARIA DE PROCESSOS. Área da Engenharia Química dedicada ao Projeto de Processos Químicos. 1.1 PROJETO DE PROCESSOS QUÍMICOS. O conjunto de ações desenvolvidas. Até - PowerPoint PPT PresentationTRANSCRIPT
![Page 1: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/1.jpg)
CAPÍTULO 5CAPÍTULO 5
OTIMIZAÇÃO PARAMÉTRICAOTIMIZAÇÃO PARAMÉTRICA
03 DE SETEMBRO DE 2008
![Page 2: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/2.jpg)
REVISÃO DE CAPÍTULOS ANTERIORES
![Page 3: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/3.jpg)
Área da Engenharia Química dedicada ao Projeto de Processos Químicos
ENGENHARIA DE PROCESSOS
![Page 4: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/4.jpg)
O conjunto de ações desenvolvidas
DesdeA decisão de se produzir um determinado produto químico
AtéUm plano bem definido para a construção e a operação da instalação industrial.
É um conjunto numeroso e diversificado de ações !!!
1.1 PROJETO DE PROCESSOS QUÍMICOS
![Page 5: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/5.jpg)
Estabelecer o número
e o tipo dos reatores
Definir o número e o tipo dos separadores
Definir o número e o tipo de trocadores de
calor
Estabelecer malhas
de controle
Definir o fluxogramado processo
Investigar mercado para o produto
Investigar disponibilidade
das matérias primas
Definir as condições das reações e identificar os sub-produtos gerados
Investigar reagentesplausíveis
SELEÇÃO DEROTAS QUÍMICAS
SÍNTESE ANÁLISE
Calcular as dimensõesdos equipamentos
Calcular o consumo de matéria prima
Calcular o consumo de utilidades
Calcular o consumo dos insumos
Calcular a vazão dascorrentes
intermediárias
Avaliar a lucratividadedo processo
![Page 6: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/6.jpg)
1.3 SISTEMAS 1.3.3 Projeto
(a) previsão do desempenho do sistema.(b) avaliação do desempenho do sistema.
(a) escolha de um elemento para cada tarefa.(b) definição da estrutura do sistema.
PROJETO = SÍNTESE ANÁLISE
Denominação genérica atribuída ao conjunto numeroso e diversificado de atividades associadas à criação de um sistema.
Esse conjunto compreende dois sub-conjuntos que interagem:
SÍNTESE
ANÁLISE
![Page 7: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/7.jpg)
Equipamentos disponíveis para a geração do fluxograma do Processo Ilustrativo
RM
Reator demistura
RT
Reator tubular
DS
Coluna de destilaçãosimples
DE
Coluna de destilaçãoextrativa
A
Aquecedor
R
Resfriador
T
Trocador deIntegração
A Síntese consiste em combinar esses equipamentos formando todos os fluxogramas plausíveis em busca do melhor.
Um problema com multiplicidade de soluções!
MULTIPLICIDADE NA SÍNTESE
![Page 8: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/8.jpg)
DS
RM
R
A
A,B
P,A
P
A
(7)
RM
A,B
P,A
DS
P
A
T
(8)
RM
R
A
A,B
P,A
P
A
DE
(9)
DSRT RAA,B A,P
P
A
(11)
RM
A,B
P,A
P
A
T DE
(10)
DSRT A,P
P
A
T
A,B
(12)
RT RAA,B A,P
P
A
DE
(13)
RT A,P
P
A
T
A,B
DE
(14)
![Page 9: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/9.jpg)
EXPLOSÃO COMBINATÓRIA !!!
![Page 10: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/10.jpg)
0,005
0,010
0,015
0,020
0,025
0,030
0,035
02468
101214161820
0,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
0,018
0,020
MULTIPLICIDADE NA ANÁLISE
Problema: determinar o melhor par de valores
Cada par (x1,x2) é uma solução viável
Dificuldade: infinidade de soluções viáveis!
![Page 11: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/11.jpg)
1.3 SISTEMAS 1.3.6 Otimização
Nível Tecnológico: determinar a melhor rota química.
Nível Paramétrico (Análise): determinar as dimensões ótimas de equipamentos e correntes.
Nível Estrutural (Síntese): determinar a estrutura ótima.
O Projeto de Processos é um problema complexo de otimização.
Multiplicidade de Soluções
Exige a busca da
Otimização
A multiplicidade de soluções, tanto na Síntese como na Análise, conduz ao conceito de Otimização.
Solução Ótima
através da
![Page 12: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/12.jpg)
Nível TecnológicoSeleção de uma Rota
Fluxograma ?Dimensões ?
Nível EstruturalSíntese de um
FluxogramaDimensões ? Lucro?
Nível ParamétricoAnálise do Fluxograma
Dimensionamentodos Equipamentos
e das Correntes. Lucro.
Solução Ótima: Reagentes = D,E; Fluxograma = 3; x = 4
RaizRota Química ?Fluxograma ?Dimensões ?
Decomposição, Representação e Resolução do Problema de Projeto por Busca Orientada por Árvore de Estados
P?? ?
D+E P+FD,E P,F
??
A+B P+CA,B P,C
??
1 PAB Cx
?
T D
2PA
B Cx
?T A
P3DE Fx
?
DM
PF
4DE x
?
M E
L
x
6
x o = 3x*
8
L
xx o = 4x*
L
10
xx o = 6x*
L
x
7
x o = 5x*
![Page 13: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/13.jpg)
P?? ?
D+E P+FD,E P,F
??
L
x4
10
?
P3DE Fx
Nível TecnológicoSeleção de uma Rota
Fluxograma ?Dimensões ?
Nível EstruturalSíntese de um
FluxogramaDimensões ? Lucro?
Nível ParamétricoAnálise do Fluxograma
Dimensionamentodos Equipamentos
e das Correntes. Lucro.
Solução Ótima: Reagentes = D,E; Fluxograma = 3; x = 4 demais dimensões.
RaizRota Química ?Fluxograma ?Dimensões ?
Solução do Problema de Projeto por Busca Orientada
Vantagem
Varre todas as soluções sem
repetiçõessem omitir a ótima
Desvantagem
Explosão Combinatória
(outros métodos)
![Page 14: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/14.jpg)
INÍCIO DO CAPÍTULO 5
![Page 15: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/15.jpg)
ORGANIZAÇÃO DA DISCIPLINA
OTIMIZAÇÃO PARAMÉTRICA
5
INTRODUÇÃO GERAL
1
INTRODUÇÃO À
SÍNTESE DE PROCESSOS
8
6
SÍNTESE DE
SISTEMAS DE SEPARAÇÃO
7
SÍNTESE
SÍNTESE DE
SISTEMAS DE
INTEGRAÇÃO ENERGÉTICA
AVALIAÇÃOECONÔMICAPRELIMINAR
4
INTRODUÇÃO À
ANÁLISE DE PROCESSOS
2
ESTRATÉGIAS
DE CÁLCULO
3
ANÁLISE
FINALIDADE DO CAPÍTULO
Apresentar alguns conceitos básicos de Otimização, o método analítico e métodos numéricos simples com aplicações em
processos químicos.
![Page 16: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/16.jpg)
Relembrando o Processo Ilustrativo
W6
T*6
W10 T10
W13 T13 W11
T*11
W8
T*8
W*1
x*1,1
T*1
f1,1
f3,1
W7 T7
W5 T*
5W3 x1,3
T3 f1,3 f2,3
W4 x*
1,4
T4 f1,4 f2,4
W12 T*
12
W9 T*
9
W14 T*
14
W2
x12
T*2
f12 f32
EXTRATOR
Extrato
Rafinado
EVAPORADOR
CONDENSADORRESFRIADORMISTURADOR
BOMBA
1
2
3
4
5
67
8
9
10
11
12
13
14
15
VdAe
AcAr
* r*
AlimentaçãoProduto
Vapor
Benzeno
Benzeno
Água Água
W15 T15
Condensado
![Page 17: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/17.jpg)
Dimensionamento com G = 0 (solução única)
INCÓGNITASPARÂMETROS
L
AVALIAÇÃO
ECONÔMICA
Vd,Ae,Ac,Ar
W4,W6,W8,W11,W14
MODELOMATEMÁTICO
VARIÁVEIS ESPECIFICADAS
W1x1,1,x1,4
T1,T2,T5,T6,T8,T9,T11,T12,T14, r,
![Page 18: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/18.jpg)
Dimensionamento com G > 0 (otimização)
VARIÁVEIS DE PROJETO
Lr,T9,T12OTIMIZAÇÃO
INCÓGNITAS
AVALIAÇÃO
ECONÔMICA
Vd,Ae,Ac,Ar
W4,W6,W8,W11,W14
MODELOMATEMÁTICO
VARIÁVEIS ESPECIFICADAS
W1x11,x14
T1,T2,T5,T6,T8,T11,T14,
O módulo de Otimização arbitra sucessivos valores das variáveis de projeto até encontrar o valor máximo do Lucro.
Ausência de r, T9 e T12 na lista deMetas de Projeto
![Page 19: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/19.jpg)
AVALIAÇÃO
ECONÔMICA
4
ESTRATÉGIAS
DE CÁLCULO
3
INTRODUÇÃO À
ANÁLISE DE PROCESSOS
2
OTIMIZAÇÃO
5
Resumo da Análise de ProcessosCorrespondência dos Capítulos com os Módulos Computacionais
OTIMIZAÇÃOMODELO
ECONÔMICO
Variáveis Especificadas
Variáveis de Projeto
Parâmetros Econômicos
ParâmetrosFísicos MODELO
MATEMÁTICODimensões Calculadas Lucro
![Page 20: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/20.jpg)
Resolver Problema
Otimizar Processo
Calcular Lucro
DimensionarExtrator
DimensionarEvaporador
DimensionarCondensador
DimensionarResfriador
DimensionarMisturador
SimularExtrator
SimularEvaporador
SimularCondensador
SimularResfriador
SimularMisturador
SimularProcesso
DimensionarProcesso
![Page 21: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/21.jpg)
Campo da Matemática dedicado ao desenvolvimento de
métodos de busca da solução ótima de um problema
OTIMIZAÇÃO
Ação de buscar a solução ótima de um problema
Palavra com dois significados:
![Page 22: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/22.jpg)
Todo problema de Otimização encerra um conflito
A solução ótima é o ponto de equilíbrio entre os fatores conflitantes.
Comentário
![Page 23: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/23.jpg)
A vazão ótima é o ponto de equilíbrio entre os fatores conflitantes
R
C
0
10
20
30
40
50
60
L,R,C$/a
Lo=15,6
0 1000 2000 3000 4000 5000 6000
W kg/hWo = 1.973,6
L = R - C
Exemplo
No extrator, a vazão de solvente afeta o Lucro de forma conflitante.
- aumenta o consumo de solvente. Logo, aumenta o Custo operacional.
- aumenta a recuperação de soluto. Logo, aumenta a Receita.
Com o aumento da vazão:
Até à vazão ótima, a Receita cresce mais rapidamente e o Lucro aumenta. Após a vazão ótima, o Custo cresce mais rapidamente e o Lucro diminui.
W kg B/h ?
Q = 10.000 kgA/h
rafinado
y kg AB/kg B
xo= 0,02 kg AB/kg A
(extrato)
x kgB/kgA
EXTRATOR
B: benzeno (solvente)
A : água
AB: ácido benzóico (soluto)
Vazão ótima Lucro máximo
![Page 24: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/24.jpg)
5.2 Elementos Comuns em Problemas de Otimização 5.2.1 Variáveis de Decisão (Manipuladas) 5.2.2 Critério 5.2.3 Função Objetivo 5.2.4 Restrições 5.2.5 Região Viável5.3 Localização da Solução Ótima5.4 Problemas e Métodos de Otimização5.5 Método Analítico: problemas univariáveis e multivariáveis.5.6 Métodos Numéricos: problemas univariáveis e multivariáveis.
5. OTIMIZAÇÃO PARAMÉTRICA
5.1 Conceito de Otimização
![Page 25: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/25.jpg)
5.1 CONCEITO DE OTIMIZAÇÃO
Do Capítulo 2: na resolução de qualquer problema:
Graus de Liberdade G = V - N - EV : número de variáveisN : número de equaçõesE: número de variáveis especificadas (E = C + M)
C = condições conhecidas M = metas de projeto
Em problemas de dimensionamento, ocorre uma das três situações:
- metas inconsistentes ou em excesso G 0 solução impossível
y
x
paralelas
- metas estritamente suficientes G = 0 solução única
y
x
- metas insuficientes G > 0infinidade de soluções viáveis
y
x
coincidentes
![Page 26: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/26.jpg)
Exemplo simples: dimensionamento de um extrator
W kg B/h ?
Q = 10.000 kgA/h
rafinado
y kg AB/kg B
xo= 0,02 kg AB/kg A
extrato
x = 0,01 kgAB/kgAEXTRATOR
B: benzeno (solvente)
A : água
AB: ácido benzóico (soluto)
Modelo Matemático:1. Q (xo - x) - W y = 02. y - k x = 0
Balanço de Informação: V = 5, N = 2, C = 2, M = 1
G = 0 (solução única)
y = 0,04; W = 2.500 kg/h
(a) Dimensionamento com x = 0,01 kgAB/kgA como meta
![Page 27: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/27.jpg)
Modelo Matemático:1. Q (xo - x) - W y = 02. y - k x = 0
Metas incompatíveis na (Eq.2): o valor de y compatível com x = 0,01 é 0,04.
W kg B/h ?
Q = 10.000 kgA/h
rafinado
y = 0,03 kg AB/kg B
xo= 0,02 kg AB/kg A
extrato
x = 0,01 kgAB/kgAEXTRATOR
B: benzeno (solvente)
A : água
AB: ácido benzóico (soluto)
solução impossível!
(b) Dimensionamento com x = 0,01 kgAB/kgA e y = 0,03 kgAB/kgB como metas.
Balanço de Informação: V = 5, N = 2, C = 2, M = 2G = - 1 (metas em excesso)
Identidade!
![Page 28: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/28.jpg)
Neste caso (G > 0) é imperioso buscar a melhor de todas as soluções:
Otimização Solução Ótima
W kg B/h ?
Q = 10.000 kgA/h
rafinado
y kg AB/kg B
xo= 0,02 kg AB/kg A
extrato
x kgB/kgAEXTRATOR
B: benzeno (solvente)
A : água
AB: ácido benzóico (soluto)
Modelo Matemático:1. Q (xo - x) - W y = 02. y - k x = 0
Balanço de Informação: V = 5, N = 2, C = 2, M = 0
G = 1 (infinidade de soluções)
Insuficiência de metas gera graus de liberdade
(c) Dimensionamento sem especificação de metas
![Page 29: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/29.jpg)
5.1 Conceito de Otimização
5.2.1 Variáveis de Decisão (Manipuladas) 5.2.2 Critério 5.2.3 Função Objetivo 5.2.4 Restrições 5.2.5 Região Viável5.3 Localização da Solução Ótima5.4 Problemas e Métodos de Otimização5.5 Método Analítico: problemas univariáveis e multivariáveis.5.6 Métodos Numéricos: problemas univariáveis e multivariáveis.
5. OTIMIZAÇÃO PARAMÉTRICA
5.2 Elementos Comuns em Problemas de Otimização
![Page 30: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/30.jpg)
5.2.1 Variáveis de Decisão (Manipuladas)
5.2.2 Critério
5.2.3 Função Objetivo
5.2.4 Restrições
5.2.5 Região Viável
5.2 ELEMENTOS COMUNS EM PROBLEMAS DE OTIMIZAÇÃO
Todo problema de otimização exibe os seguintes elementos, qualquerque seja a sua área de aplicação.
![Page 31: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/31.jpg)
5.2.1 Variáveis de Decisão (Manipuladas)
São as variáveis manipuladas pelo método de otimização durante a busca da solução ótima.
Na Engenharia de Processos são chamadas de Variáveis de Projeto.
Resultam da liberdade conferida ao projetista pela insuficiência de metas de projeto
O módulo de Otimização arbitra sucessivos valores das variáveis de projeto até o Lucro alcançar o seu valor máximo.
VARIÁVEIS DE PROJETO
Lr,T9,T12
OTIMIZAÇÃO
INCÓGNITAS
AVALIAÇÃO
ECONÔMICA
Vd,Ae,Ac,Ar
W4,W6,W8,W11,W14
MODELOMATEMÁTICO
VARIÁVEIS ESPECIFICADAS
W1x11,x14
T1,T2,T5,T6,T8,T11,T14,
![Page 32: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/32.jpg)
x1
x2
x3
x4c
x5c
x6m
x7
1
2
3
Exemplo
y
x
coincidentes
Metas insuficientes, incógnitas em excessoSistema consistente indeterminado
(infinidade de soluções)
G = V – E – N = 7 - 3 - 3 = 1
V = 7
N = 3
C = 2
M = 1
E = 3
![Page 33: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/33.jpg)
x1
x2
x3
x4c
x5c
x6m
x7
1
2
3
x4c
x5c
x1
x2
x3
x6m
x7p
1
2
3
Para se obter uma das soluções, é preciso especificar uma das 4 incógnitas.
A variável escolhida é denominadavariável de projeto.
O critério de escolha se baseia na minimização doesforço computacional, abordado no Capítulo 3 (Algoritmo de Ordenação de Equações).
Não havendo imposições, o projetista tem a liberdade de escolher essa incógnita. Por exemplo: x7.
G = V – E – N = 7 - 3 - 3 = 1
![Page 34: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/34.jpg)
x1
x2
x3
x4c
x5c
x6m
x7p
1
2
3
0,0 0,2 0,4 0,6 0,8 1,0
L
7xpx7m
0
100
200
300
400
500
A cada valor corresponde uma solução viável e um valor para o Lucro.
Se a variável for contínua, haverá umainfinidade de soluções viáveis (indeterminado).
Sem imposições, o projetista também tem a liberdade de escolher o valor da variável de projeto.
Qualquer outro valoratribuído como metaproduziria uma soluçãopior do que a ótima.
Ele deve escolher o valor que corresponde ao Lucro Máximo (solução ótima).
![Page 35: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/35.jpg)
As variáveis de projeto são escolhidas dentre as não-especificadas.
Modelo Matemático
1. Q (xo - x) - W y = 0
2. y - k x = 0
Balanço de Informação
V = 5, N = 2, C = 2, G = 1
(candidatas: x, y, W)
W kg B/h
Q = 10.000 kgA/h
rafinado
y kg AB/kg B
xo= 0,02 kg AB/kg A
extrato
x kgB/kgA
Exemplo: otimização do extrator
![Page 36: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/36.jpg)
R
C
0
10
20
30
40
50
60
L,R,C$/a
Lo=15,6
0 1000 2000 3000 4000 5000 6000
W kg/hWo = 1.973,6
L = R - C
0,006 0,008 0,010 0,012 0,014 0,016 0,018 0,020 0,0220
10
20
30
40
50
60
L,R,C$/a
x kgAB/kg A
L
C
R
xo = 0, 01118
Lo = 15,6
xo*
1
y
x
W2
Q*
xo*
1
y
x
W
2
Q*
Variável de Projeto: W1. Q (xo - x) - W y = 02. y - k x = 0
Variável de Projeto: x1. Q (xo - x) - W y = 02. y - k x = 0
Qualquer escolha resulta na solução ótima
Wo = 1.972,3
xo = 0,01118 yo = 0,04472Lo = 15,6 $/h
xo = 0,01118 yo = 0,04472Wo = 1.972,3 Lo = 15,6 $/h
![Page 37: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/37.jpg)
O Algoritmo de Ordenação de Equações conduz à escolha acertada
Escolha feliz !Ciclo aberto por x (o mesmo p/ y)Sequência de cálculo acíclica:2. y = k x1. W = Q (xo - x)/y
Variável de Projeto: x1. Q (xo - x) - W y = 02. y - k x = 0
xo*
1
y
x
W
2
Q*
Variável de Projeto: W1. Q (xo - x) - W y = 02. y - k x = 0
Escolha infeliz !Sequência de cálculo cíclicaOtimização com cálculo iterativo
xo*
1
y
x
W2
Q*
Qualquer escolha resulta na solução ótima
Mas a escolha afeta o esforço computacional envolvido na otimização
![Page 38: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/38.jpg)
5.2.1 Variáveis de Decisão (Manipuladas)
5.2.2 Função Objetivo
5.2.3 Restrições
5.2.4 Região Viável
5.2 ELEMENTOS COMUNS EM PROBLEMAS DE OTIMIZAÇÃO
São os elementos presentes em qualquer problema de otimização,independentemente da área de aplicação.
Devem ser identificados e analisados antes de se iniciar a resolução doproblema
5.2.2 Critério
![Page 39: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/39.jpg)
A busca da solução ótima tem que ser norteada por um critério.
O critério mais comum é econômico:
5.2.2 Critério
0,0 0,2 0,4 0,6 0,8 1,0
L
0
100
200
300
400
500
Maximização do Lucro
x7o
0,0 0,2 0,4 0,6 0,8 1,0
L
0
100
200
300
400
500
R
C
L
Minimização do Custo(produção fixa Receita constante)
x7o
![Page 40: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/40.jpg)
Outros critérios adotados: segurança e controlabilidade.
A solução ótima segundo um critério pode não ser a ótima segundo umoutro critério. Por exemplo: a solução mais econômica pode não ser a mais segura. E vice-versa.
5.2.2 Critério
Dois ou mais critérios podem ser utilizados simultaneamente com pesosdiferentes (otimização com objetivos múltiplos)
7xpx7m
0,0 0,2 0,4 0,6 0,8 1,0
L
0
100
200
300
400
500
![Page 41: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/41.jpg)
5.2.1 Variáveis de Decisão (Manipuladas)
5.2.2 Critério
5.2.5 Restrições
5.2.5 Região Viável
5.2 ELEMENTOS COMUNS EM PROBLEMAS DE OTIMIZAÇÃO
São os elementos presentes em qualquer problema de otimização,independentemente da área de aplicação.
5.2.3 Função Objetivo
![Page 42: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/42.jpg)
5.2.3 Função Objetivo
(c ) Convexidade: côncava ou convexa.
É a expressão matemática do critério de otimização descrita em termos das variáveis físicas do problema.
A sua caracterização é fundamental para a resolução do problema de otimização.
(a) Continuidade: contínua, contínua com descontinuidade na derivada, descontínua ou discreta.
Pode ser classificada quanto à:
(b) Modalidade: unimodal, multimodal.
Pode assumir formas das mais simples às mais complexas.
![Page 43: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/43.jpg)
5.2.3 Função Objetivo(a) Continuidade
0,0 0,2 0,4 0,6 0,8 1,00,0
0,1
0,2
0,3
0,4
0,5
y
x
Função Contínua0,0 0,2 0,4 0,6 0,8 1,0
0,0
0,1
0,2
0,3
0,4
0,5
0,6
y
x
Função Contínua comdescontinuidade na derivada
0,0 0,2 0,4 0,6 0,8 1,00,0
0,2
0,4
0,6
0,8
1,0
y
x
Função Descontínua0 2 4 6 8 10
0
2
4
6
8
10
y
xFunção Discreta
![Page 44: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/44.jpg)
5.2.3 Função Objetivo(b) Modalidade
0,0 0,2 0,4 0,6 0,8 1,00,0
0,1
0,2
0,3
0,4
0,5
y
x
Função Unimodal em 1 Dimensão Função Unimodal em 2 Dimensões
-1,0-0,8-0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
2,0
-1,0-0,8
-0,6-0,4
-0,20,00,20,40,60,81,0
f
X1
![Page 45: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/45.jpg)
Função Bimodal em 1 Dimensão
1 2 3 4 5 6
200
205
210
215
220
y
x
A
B
C
D
E
F
5.2.3 Função Objetivo(b) Modalidade
Função Bimodal em 2 Dimensões
0
1
2
3
4
5
6
-2,0-1,5
-1,0-0,5
0,00,5
1,01,5
2,02,5
3,0
-1
0
1
2
3
4
f
x1
x 2
ABC
![Page 46: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/46.jpg)
Função côncava: o valor dado pela função é superior ao dado pela reta.
y[(1-a) x1 + a x2] > (1-a) y(x1) + a y(x2)
5.2.3 Função Objetivo(c ) Convexidade (funções univariáveis)
0,0 0,2 0,4 0,6 0,8 1,00,0
0,1
0,2
0,3
0,4
0,5
y
xx1 x2(1-a)x1+ ax2
y[(1-a) x1 + a x2]
(1-a) y(x1) + a y(x2)
0 a 1
![Page 47: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/47.jpg)
Função convexa: o valor dado pela função é inferior ao dado pela reta. y[(1-a) x1 + a x2] < (1-a) y(x1) + a y(x2)
5.2.3 Função Objetivo(c ) Convexidade (funções univariáveis)
0,0 0,2 0,4 0,6 0,8 1,00,0
0,1
0,2
0,3
0,4
0,5y
xx1x2
(1-a)x1+ ax2
y[(1-a) x1 + a x2]
(1-a) y(x1) + a y(x2)
0 a 1
![Page 48: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/48.jpg)
Concavidade (negativa) e Convexidade (positiva) de funções univariáveis podem ser determinadas pela segunda derivada da
função no ponto extremo.
![Page 49: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/49.jpg)
5.2.3 Função Objetivo(c ) Convexidade (funções multivariáveis)
Para funções multivariáveis, a convexidade encontra-se relacionada aosseus Valores Característicos, que são as raízes da sua Equação Característica.
ji xx
f
2
ijff
11f
12H(x) =
f21
f22
Exemplo: para uma função qualquer de duas variáveis, existem:
Matriz Hessiana:
f11
f12
f21
f22
-
- = 0det
Equação Característica:
Os Valores Característicos são as raízes desta equação.
2 – (f11 + f22) + (f11f22 – f12f22) = 0
![Page 50: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/50.jpg)
Ilustração: Funções Quadráticas
5.2.3 Função Objetivo(c ) Convexidade (funções multivariáveis)
f(x) = bo + b1 x1 + b2 x2 + b11 x12 + b22 x2
2 + b12 x1 x2
![Page 51: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/51.jpg)
-1,0-0,8-0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
2,0
-1,0-0,8
-0,6-0,4
-0,20,00,20,40,60,81,0
f
X2
X1
-1,0-0,8-0,6-0,4-0,2
0,00,2
0,40,6
0,81,0
0,0
0,2
0,4
0,6
0,8
1,0
-1,0-0,8
-0,6-0,4
-0,20,0
0,20,4
0,60,8
1,0
f
X2
X1
-1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
2,0
-1,0
-0,8
-0,6-0,4-0,20,00,20,40,60,81,0
f
-1,0-0,8-0,6-0,4-0,2
0,00,2
0,40,6
0,81,0
0,0
0,2
0,4
0,6
0,8
1,0
-1,0-0,8
-0,6-0,4
-0,20,0
0,20,4
0,60,8
1,0
f
-1,0-0,8-0,6
-0,4-0,2
0,00,2
0,40,6
0,81,0-1,0
-0,8-0,6
-0,4-0,20,00,20,40,60,81,0
0
-0,80-0,50
-0,20
-0,20
-0,50
0,10
0,10
-0,80-1,1
-1,1
0,40
0,40
-1,4
-1,4
0,70
0,70
-1,7-1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
x 2
X1
estritamente convexa
convexa
estritamente côncava
côncava
ponto de sela
1 ,
2H ( x ) f ( x )
1
> 0 , 2
> 0 positiva definida
1 > 0 ,
2 = 0 positiva semi-definida
1
< 0, 2
< 0 negativa definida
1
< 0, 2
= 0 negativa semi-definida
1
> 0 , 2
< 0 indefinida
![Page 52: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/52.jpg)
Modelo Físico1. Q* (xo
* - x1 *) - W1 y1 = 0
2. y1 - k x1 * = 0
3. Q * (x1 * - x2
*) - W2 y2 = 04. y2 - k x2
* = 0
Balanço de InformaçãoV = 8, N = 4, C = 2, M = 2 G = 0 (solução única)
3.7 DimensionamentoDesprezada a solubilidade do benzeno em água.Sistema isotérmico (To = Ts = T = 25 oC; k = 4).
Q* = 10.000 kgA/hxo
*= 0,02 kg AB/kg A
rafinado
x1 * = 0,015 kgAB/kgA
W1 kg B/h ?
y1 kg AB/kg B ?extrato
W1 kg B/h
Q = 10.000 kgA/h
y2 kg AB/kg B ?extrato
W2 kg B/h
Q = 10.000 kgA/hx2
* = 0,008 kgAB/kg A
W2 kg B/h ?
rafinado1 2
alimentação
![Page 53: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/53.jpg)
Modelo Físico:1. Q* (xo
* - x1) - W1 y1 = 02. y1 - k x1 = 03. Q* (x1 - x2) - W2 y2 = 04. y2 - k x2 = 0
Balanço de Informação: V = 8, N = 4, C = 2, M = 0 G = 2 (otimização)
5.6 Dimensionamento/OtimizaçãoDesprezada a solubilidade do benzeno em água.Sistema isotérmico (To = Ts = T = 25 oC; k = 4).
rafinado
x1 kgAB/kg A ?
W1 kg B/h ?
y1 kg AB/kg B ?extrato
W1 kg B/h ?
Q = 10.000 kgA/h
y2 kg AB/kg B ?extrato
W2 kg B/h ?
Q = 10.000 kgA/hx2 kgAB/kgA ?
W2 kg B/h ?
rafinado
Q* = 10.000 kgA/hxo
*= 0,02 kg AB/kg A1 2
alimentação
![Page 54: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/54.jpg)
0,0050,010
0,0150,020
0,0250,030
0,035
0
2
4
6
8
10
12
14
16
18
20
0,0020,0040,0060,0080,0100,0120,0140,0160,0180,020
L
X2x
1
02,04,0
6,08,0
10
12
1416
18
0,005 0,010 0,015 0,020 0,025 0,030 0,0350,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
0,018
0,020
X2
X1
Exemplo de Função Não-Quadrática(Lucro de 2 extratores em série)
Aplica-se a mesma classificação
2
12
1 x
xdcx
x
baL ---=
![Page 55: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/55.jpg)
5.2.1 Variáveis de Decisão
5.2.2 Critério
5.2.3 Função Objetivo
5.2.5 Região Viável
5.2 ELEMENTOS COMUNS EM PROBLEMAS DE OTIMIZAÇÃO
São os elementos presentes em qualquer problema de otimização,independentemente da área de aplicação.
5.2.4 Restrições
![Page 56: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/56.jpg)
5.2.3 Restrições
São os limites impostos pelas leis naturais ou estabelecidos às variáveis do processo.
(b) restrições de desigualdade: g (x) 0 São os limites impostos às Variáveis de Projeto
(a) restrições de igualdade : h(x) = 0 São as equações do próprio modelo matemático.
Há dois tipos de restrições:
![Page 57: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/57.jpg)
Min f(x) Função Objetivo x Variável de Projeto
s.a.: g(x) 0 Restrições de desigualdade h(x) = 0 Restrições de Igualdade
Enunciado Formal de um Problema de Otimização
A presença de restrições pode alterar a solução de um problema
Max L(x) = R – C {x}
s.a.:
W kg B/h
Q = 10.000 kgA/h
rafinado
y kg AB/kg B
xo= 0,02 kg AB/kg A
extrato
x kgB/kgA
h1 (x) = Q (xo - x) - W y = 0h2 (x) = y - k x = 0
g(x) = x - xo 0
Exemplo: otimização do extrator
![Page 58: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/58.jpg)
0,0 0,5 1,0 1,5 2,00,0
0,5
1,0
1,5
2,0
1.0
0,80,6
0,4
B
A
h(x) = 0
x1
x2
f x x x x( ) ( ) ( ) ( ) ( )x 1 1 1 1 112
1 2 22
h x x( ) ,x 12
22 0 25 0
5.2.3 Restrições (a) Restrições de Igualdade (solução sobre a curva)
Solução Irrestrita: ASolução Restrita : B
g2(x) = x1 0g3(x) = x2 0
![Page 59: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/59.jpg)
0,0 0,5 1,0 1,5 2,00,0
0,5
1,0
1,5
2,0 0,4
0,6
0,8
1,0A
B
C
h(x) = 0
x1
x2
f x x x x( ) ( ) ( ) ( ) ( )x 1 1 1 1 112
1 2 22
h x x( ) , ( ) ,x 2 122 1 1 0 1 0
Solução Irrestrita: ASolução Restrita : BMáximo Local: C
g2(x) = x1 0g3(x) = x2 0
![Page 60: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/60.jpg)
0,0 0,5 1,0 1,5 2,00,0
0,5
1,0
1,5
2,0
1.0
0,80,6
0,4
B
A
h2(x) = 0
h1(x)=0
x1
x2
f x x x x( ) ( ) ( ) ( ) ( )x 1 1 1 1 112
1 2 22
h x x1 12
22 0 25 0( ) ,x
h x x2 12
22 0 25 0( ) ,x Solução Irrestrita: A
Solução Restrita : B (restrições compatíveis)
g2(x) = x1 0g3(x) = x2 0
![Page 61: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/61.jpg)
0,0 0,5 1,0 1,5 2,00,0
0,5
1,0
1,5
2,0
1.0
0,80,6
0,4
B
A
h2(x) = 0h1(x)=0
x2
x1
f x x x x( ) ( ) ( ) ( ) ( )x 1 1 1 1 112
1 2 22
h x x1 12
22 0 25 0( ) ,x
h x x2 1 2 1 0( )x Solução irrestrita: ASolução restrita: impossível( restrições incompatíveis)
g2(x) = x1 0g3(x) = x2 0
![Page 62: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/62.jpg)
f x x x x( ) ( ) ( ) ( ) ( )x 1 1 1 1 112
1 2 22
g x x1 12
22 0 25 0( ) ,x = + -
5.2.3 Restrições (b) Restrições de Desigualdade (fronteira e interior de regiões)
g2(x) = x1 0g3(x) = x2 0
Solução irrestrita: ASolução restrita : B
0,0 0,5 1,0 1,5 2,00,0
0,5
1,0
1,5
2,0
x21.0
0,80,6
0,4
B
A
x1
![Page 63: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/63.jpg)
f x x x x( ) ( ) ( ) ( ) ( )x 1 1 1 1 112
1 2 22
0,0 0,5 1,0 1,5 2,00,0
0,5
1,0
1,5
2,0
x2
x1
1.0
0,80,6
0,4
B
A
g x x1 12
22 0 25 0( ) ,x = + -
g2(x) = x1 0g3(x) = x2 0
Solução irrestrita: ASolução restrita : A
![Page 64: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/64.jpg)
f x x x x( ) ( ) ( ) ( ) ( )x 1 1 1 1 112
1 2 22
0,0 0,5 1,0 1,5 2,00,0
0,5
1,0
1,5
2,0
x2
x1
0,40,6
0,8
1,0A
g2(x)
g1(x)
B
g x x1 12
22 1 0( )x
g x x2 12
22 4 0( )x
g3(x) = x1 0g4(x) = x2 0
Solução irrestrita: ASolução restrita : B
![Page 65: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/65.jpg)
f x x x x( ) ( ) ( ) ( ) ( )x 1 1 1 1 112
1 2 22
g x x1 12
22 1 0( )x
g x x2 12
22 4 0( )x
0,0 0,5 1,0 1,5 2,00,0
0,5
1,0
1,5
2,0
x2
x1
0,40,6
0,8
1,0A
g1(x)
g2(x)
C
g3(x) = x1 0g4(x) = x2 0
Solução irrestrita: ASolução restrita : C
![Page 66: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/66.jpg)
0,0 0,5 1,0 1,5 2,00,0
0,5
1,0
1,5
2,0
x2
x1
0,40,6
0,8
1,0A
g1(x)
g2(x)
f x x x x( ) ( ) ( ) ( ) ( )x 1 1 1 1 112
1 2 22
g x x2 12
22 4 0( )x
g x x1 12
22 1 0( )x
g3(x) = x1 0g4(x) = x2 0
Solução irrestrita: ASolução restrita : A
![Page 67: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/67.jpg)
0,0 0,5 1,0 1,5 2,00,0
0,5
1,0
1,5
2,0
x2
x1
0,40,6
0,8
1,0A
g1(x)
g2(x)
f x x x x( ) ( ) ( ) ( ) ( )x 1 1 1 1 112
1 2 22
g x x1 12
22 1 0( )x
g x x2 12
22 4 0( )x
g3(x) = x1 0g4(x) = x2 0
Solução impossívelRestrições incompatíveis
![Page 68: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/68.jpg)
5.2.1 Variáveis de Decisão (Manipuladas)
5.2.2 Critério
5.2.3 Função Objetivo
5.2.4 Restrições
5.2 ELEMENTOS COMUNS EM PROBLEMAS DE OTIMIZAÇÃO
São os elementos presentes em qualquer problema de otimização,independentemente da área de aplicação.
5.2.5 Região Viável
![Page 69: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/69.jpg)
5.2.4 Região Viável
h(x) = 0
g(x) 0
x1
x2
x3
Busca restrita ao interior da elipse (restrição de desigualdade g(x) 0) que se encontra sobre o plano (restrição de igualdade h(x) = 0)
Região do espaço delimitada pelas restrições de igualdade e de desigualdade à qual se restringe a busca da solução ótima.
Max f(x) {x}
s.a.: h(x) = 0 g(x) 0
![Page 70: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/70.jpg)
Região ConvexaQualquer par de pontos pode ser unido por uma reta totalmente contida na região.
0,0 0,5 1,0 1,5 2,00,0
0,5
1,0
1,5
2,0
x2
x1
g (x)1
g (x)2
g (x) 3
A
B
g x x1 12 2
222 2 4 0( ) ( ) ( )x
g x x x2 12
22 4 0( )
g (x) (x 2) x 4 03 12 2
5.2.4 Região Viável Convexidade
A convexidade garante a convergência dos métodos de otimização
![Page 71: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/71.jpg)
Região Não - ConvexaA reta que une A e B não
permanece contida na região
g (x) x x 4 01 12
22
2 1 2g (x) x (x 2) 4 02 2= + - -
g x x x3 12
221 1 0( ) ( )
0,0 0,5 1,0 1,5 2,00,0
0,5
1,0
1,5
2,0
x2
x1
g (x)1
g (x)2
g (x)3
B
A
5.2.4 Região Viável Convexidade
![Page 72: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/72.jpg)
0,005
0,010
0,015
0,020
0,025
0,030
0,035
02468
101214161820
0,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
0,018
0,020
Restrições podem ser lineares:x1 – 0,02 0x2 – x1 0
![Page 73: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/73.jpg)
5.1 Conceito de Otimização5.2 Elementos Comuns em Problemas de Otimização 5.2.1 Variáveis de Decisão (Manipuladas) 5.2.2 Critério 5.2.3 Função Objetivo 5.2.4 Restrições 5.2.5 Região Viável
5.4 Problemas e Métodos de Otimização5.5 Método Analítico: problemas univariáveis e multivariáveis.5.6 Métodos Numéricos: problemas univariáveis e multivariáveis.
5. OTIMIZAÇÃO PARAMÉTRICA
5.3 Localização da Solução Ótima
![Page 74: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/74.jpg)
5.3 Localização da Solução Ótima
Pontos estacionários, descontinuidades das derivadas e fronteiras do intervalo.
Máximos (M) e Mínimos (m) locais e globais
Localização de valores extremos na faixa x1 x x2
0 5 10 15 20
1
2
3
4
5
x
f(x)
m
m
M
M
M
x1 x2
![Page 75: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/75.jpg)
5.3 Localização da Solução Ótima
Condição para a otimalidade SEM restrição:
• Condição necessária de segunda ordem:Para que x* seja um mínimo local da função f(x), duas vezes diferenciável em x*, é necessário que a condição de primeira ordem seja satisfeita e que a matriz Hessiana H(x*) = 2f(x*) seja positiva semi-definida (ou negativa semi-definida para máximo).
• Condição necessária de primeira ordem:Para que x* seja um mínimo (ou máximo) local da função f(x), diferenciável em x*, é necessário que:
f(x*) = 0
![Page 76: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/76.jpg)
• Condição suficiente de segunda ordem:Seja f(x) duas vezes diferenciável em x* tal que:f(x*) = 0 eH(x*) seja positiva definidaentão x* é um mínimo local estrito de f (ou máximo se negativa definida).
Condição para a otimalidade SEM restrição:
![Page 77: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/77.jpg)
Condição para a otimalidade COM restrição:
• Condição necessária de primeira ordem de Karush-Kuhn-Tucker (KKT):Para que x* seja um ótimo local do problema com restrições, com f(x), g(x), e h(x) diferenciáveis em x*, é necessário que:os gradientes das restrições de desigualdade ativas, g(x*), e das restrições de igualdade, h(x*), sejam linearmente independentes, e que as seguintes condições sejam satisfeitas:
xL(x*, λ*, μ*) = S(x*) + (λ*)T h(x*) + (μ*)T g(x*) = 0h(x*) = 0g(x*) ≤ 0μj* gj(x*) = 0 , j = 1, 2, ..., p (condições de complementaridade)μ* ≥ 0
![Page 78: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/78.jpg)
Condição para a otimalidade COM restrição:
• Condição necessária de segunda ordem de KKT:Para que x* seja um mínimo local do problema com restrições, com f(x), g(x), e h(x) duas vezes diferenciáveis em x*, é necessário que a condição de primeira ordem de KKT seja satisfeita e, que a matriz Hessiana dafunção de Lagrange, x
2L(x*, λ*, μ*), seja positiva semi-definida para todo vetor não nulo d tal que:
dT hi(x*) = 0 , i = 1, 2, ..., mdT gj(x*) = 0 para as gj(x*) ativas
isto é, dT x2L(x*, λ*, μ*) d ≥ 0.
![Page 79: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/79.jpg)
5.1 Conceito de Otimização5.2 Elementos Comuns em Problemas de Otimização 5.2.1 Variáveis de Decisão (Manipuladas) 5.2.2 Critério 5.2.3 Função Objetivo 5.2.4 Restrições 5.2.5 Região Viável5.3 Localização da Solução Ótima
5.5 Método Analítico: problemas univariáveis e multivariáveis.5.6 Métodos Numéricos: problemas univariáveis e multivariáveis.
5. OTIMIZAÇÃO PARAMÉTRICA
5.4 Problemas e Métodos de Otimização
![Page 80: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/80.jpg)
(a) Quanto ao número de variáveis: - Univariáveis ou Multivariáveis(b) Quanto à presença de restrições: - Irrestritos ou Restritos
5.4 PROBLEMAS E MÉTODOS DE OTIMIZAÇÃO
(b) Quanto ao tipo de informação utilizada: - Diretos: utilizam apenas o valor da função objetivo. - Indiretos: utilizam, também, os valores das suas derivadas.
À luz dos conceitos apresentados os problemas de otimização podemser classificados:
Os métodos de resolução podem ser classificados:
(a) Quanto à natureza: - Analítico: localiza os pontos estacionários pelo cálculo das derivadas da função objetivo. - Numéricos: buscam os pontos estacionários por tentativas.
![Page 81: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/81.jpg)
(a) Quanto ao número de variáveis: univariáveis ou multivariáveis(b) Quanto à presença de restrições: restritos ou irrestritos.
5.4 PROBLEMAS E MÉTODOS DE OTIMIZAÇÃO
(a) Quanto à natureza: analíticos ou numéricos(b) Quanto ao tipo de informação utilizada: diretos ou indiretos.
Problemas:
Métodos:
Com base nessa informação, pode-se formular diversos planos para um estudo sistemático de Otimização.
![Page 82: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/82.jpg)
5.1 Conceito de Otimização5.2 Elementos Comuns em Problemas de Otimização 5.2.1 Variáveis de Decisão (Manipuladas) 5.2.2 Critério 5.2.3 Função Objetivo 5.2.4 Restrições 5.2.5 Região Viável5.3 Localização da Solução Ótima5.4 Problemas e Métodos de Otimização
5.6 Métodos Numéricos: problemas univariáveis e multivariáveis
5. OTIMIZAÇÃO PARAMÉTRICA
5.5 Método Analítico: problemas univariáveis e multivariáveis
![Page 83: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/83.jpg)
W kg B/h
Q = 10.000 kgA/h
rafinado
y kg AB/kg B
xo= 0,02 kg AB/kg A
extrato
x kgB/kgA
Modelo Matemático:1. Q (xo - x) - W y = 02. y - k x = 0 (k = 4)
Balanço de Informação: V = 5, N = 2, C = 2, M = 0 G = 1 (otimização)
Avaliação Econômica:L = R - CR = pAB W yC = pB WpAB = 0,4 $/kgAB : pB = 0,01 $/kgB
5.5 MÉTODO ANALÍTICO 5.5.1 Problemas univariáveis
Exemplo: dimensionamento do extrator
![Page 84: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/84.jpg)
2. y = k x1. W = Q (xo - x)/y
Seqüência de Cálculo
Restrições de Igualdade !!!
x y W
1 * * *2 * *
x y W
1 x x o2 x o
![Page 85: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/85.jpg)
Incorporando a L às Restrições de Igualdade ordenadas :
2. y = k x1. W = Q (xo - x)/y
Função Objetivo: L = R - C = pAB W y - pB W
= + =a Q p xp
kAB oB( ) 105
= =b p QAB 4000
= =cp Qx
kB o ,0 5
L = a - b x - c/x
![Page 86: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/86.jpg)
0,006 0,008 0,010 0,012 0,014 0,016 0,018 0,020 0,0220
10
20
30
40
50
60
L,R,C$/a
x kgAB/kg A
L
C
R
xo =0, 01118
Lo = 15,6
Busca do ponto estacionário:
yo = 0,04472 kg AB/kg B; Wo = 1.972,3 kgB/h; Ro = 35,3 $/h; Co = 19,7 $/h; Lo = 15,6 $/h
Solução completa do problema:
L = a - b x - c/x
x b
dL
dxb
cx
co= - + = || = =2
0 0 01118,
o
2
2 o 3
x
d L c= -2 < 0
dx (x )
Máximo!
![Page 87: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/87.jpg)
1 2
Q = 10.000 kgA/h
x = 0,02 kgAB/kgAo
W1
kgB/hW2
kgB/h
y1
kgAB/kgBy2
kgAB/kgB
x1
x2
kgAB/kgAkgAB/kgA
5.5 MÉTODO ANALÍTICO 5.5.2 Problemas multivariáveis
Modelo Matemático1. Q(xo - x1) - W1 y1 = 02. y1 - k x1 = 03. Q(x1 -x2) - W2 y2 = 04. y2 - k x2 = 0
Avaliação EconômicaL = R - CR = pAB (W1 y1 + W2 y2 )C = pB (W1 + W2)pAB = 0,4 $/kgAB : pB = 0,01 $/kgB
Balanço de Informação: V = 8; N = 4; C = 2; G = 2 (otimização)
Exemplo: dimensionamento de 2 extratores em série
![Page 88: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/88.jpg)
5.5 MÉTODO ANALÍTICO 5.5.2 Problemas multivariáveis
Modelo Matemático1. Q (xo - x1) - W1 y1 = 02. y1 - k x1 = 03. Q(x1 -x2) - W2 y2 = 04. y2 - k x2 = 0
W1 x1 y1 W2 x2 y2 1 * * *2 * * 3 * * * *4 * *
W1 x1 y1 W2 x2 y2 1 o x x2 x o 3 x o x x4 x o
Modelo Matemático2. y1 = k x1
4. y2 = k x2
3. W2 = Q (x1 – x2)/ y2
1. W1 = Q (xo - x1)/ y1
![Page 89: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/89.jpg)
Incorporando as Restrições de Igualdade à Função Objetivo L
Buscando o ponto estacionário:
Solução completa:y1
o = 0,05428 kgAB/kgB; W1o = 1.184 kgB/h
y2o = 0,03684 kgAB/kgB; W2
o = 1.184 kgB/hCo = 23,68 $/h; Ro = 43,15 $/h; Lo = 19,47 $/h
L = a – b/x1– cx2 – d x1/x2
L/x1 = b/x12 – d/x2 = 0
L/x2 = - c + dx1/x22 = 0
x1o = (b2/cd)1/3 = 0,01357
x2o = (d/b) x1
2 = 0,00921
L = R – CR = pAB (W1 y1 + W2 y2 )C = pB (W1 + W2)
2. y1 = k x1
4. y2 = k x2
3. W2 = Q (x1 – x2)/ y2
1. W1 = Q (xo - x1)/ y1
a = pAB Q xo + 2 pB Q / k = 130; b = pB Q xo/ k = 0,5; c = pAB Q = 4000; d = pB Q / k = 25
![Page 90: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/90.jpg)
Analisando o ponto estacionário:
L/x1 = b/x12 – d/x2 = 0
L/x2 = - c + dx1/x22 = 0
x1o = (b2/cd)1/3 = 0,01357
x2o = (d/b) x1
2 = 0,00921
o
2 2
o 3 o 22 5 51 21 2 1o o
1 2 o 5 52 21
o 2 o 322 21 2 2 x
b dL L2
(x ) (x )x x x 4 10 2,95 10H(x ,x ) =
d d x 2,95 10 8,69 10L L2
(x ) (x )x x x
Máximo!
det(H - I) = 0 1 = -0,258106 e 2 = -1,011106
![Page 91: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/91.jpg)
0,005
0,010
0,015
0,020
0,025
0,030
0,035
02468
101214161820
0,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
0,018
0,020
L
![Page 92: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/92.jpg)
0,005
0,010
0,015
0,020
0,025
0,030
0,035
02468
101214161820
0,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
0,018
0,020
![Page 93: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/93.jpg)
1 2
Q = 10.000 kgA/h
xo = 0,02 kgAB/kgA
W1 = 1.184 kgB/h
W2 = 1.184 kgB/h
x1 = 0,01357 kgAB/kgA
x2 = 0,00921 kgAB/kgA
y1 = 0,05428 kgAB/kgA
y2 = 0,03824 kgAB/kgA
Estágio 1 2 Total
Soluto Recup. kg/h 64,28 43,62 107,90Solv. Consum. kg/h 1.184 1.184 2.368Lucro $/a 13,87 5,61 19,48
![Page 94: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/94.jpg)
02,04,0
6,08,0
10
12
1416
18
0,005 0,010 0,015 0,020 0,025 0,030 0,0350,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
0,018
0,020
X2
X1
19,5
0,01357
0,00921
![Page 95: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/95.jpg)
Modelo Físico1. Q* (xo
* - x1 *) - W1 y1 = 0
2. y1 - k x1 * = 0
3. Q * (x1 * - x2
*) - W2 y2 = 04. y2 - k x2
* = 0
Balanço de InformaçãoV = 8, N = 4, C = 2, M = 2 G = 0 (solução única)
3.7 DimensionamentoDesprezada a solubilidade do benzeno em água.Sistema isotérmico (To = Ts = T = 25 oC; k = 4).
Q* = 10.000 kgA/hxo
*= 0,02 kg AB/kg A
rafinado
x1 * = 0,015 kgAB/kgA
W1 kg B/h ?
y1 kg AB/kg B ?extrato
W1 kg B/h
Q = 10.000 kgA/h
y2 kg AB/kg B ?extrato
W2 kg B/h
Q = 10.000 kgA/hx2
* = 0,008 kgAB/kg A
W2 kg B/h ?
rafinado1 2
alimentação
![Page 96: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/96.jpg)
Dimensionamento: x1* = 0,015 e x2
* = 0,008
02,04,0
6,08,0
10
12
1416
18
0,005 0,010 0,015 0,020 0,025 0,030 0,0350,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
0,018
0,020
X2
X1
17,8
19,5
![Page 97: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/97.jpg)
OTIMIZAÇÃO SIMULTÂNEA x SEQUENCIAL
O Método Analítico foi aplicado às duas variáveis de projeto simultaneamente, surgindo um sistema de duas equações que foi resolvido.
Alternativamente, poder-se-ia pensar em decompor o problema em dois sub-problemas univariáveis: otimizar o primeiro estágio e utilizar o valor ótimo x1
o na alimentação e otimização do segundo.
Neste caso, a solução obtida não é a solução ótima do problema!
![Page 98: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/98.jpg)
1Q*
xo* x
1
W1
W1y1
L p Q x x
p Q x x
kx
L a b xc
x
a Q p xp
k
b p Q
cp Q x
k
xc
b
L a
ab ob o
ab ob
ab
b o
o
o
1 11
1
1 1 1 11
1
1
1
1
11
1
1
105
4.000
05
00111803
1556
* ** *
* *
*
* *
( )
.
,
,
, $/
Q*
x* x
W
Wy
2
2
22
2
1
L p Q x x
p Q x x
kx
L a b xc
x
a Q p xp
k
b p Q
cp Q x
k
xc
b
L a
abb
abb
ab
b
o
o
2 1 21 2
2
2 2 2 22
2
2 1
2
21
22
2
2
6972
4000
02795
0008359
284
* ** *
* *
*
* *
( ) ,
.
,
,
, $/
![Page 99: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/99.jpg)
x1 = 0,01118 kgAB/kgA
1 2
Q = 10.000 kgA/h
xo = 0,02 kgAB/kgA
W1 = 1.972 kgB/h
W2 = 843 kgB/h
x2 = 0,008359 kgAB/kgA
y1 = 0,04472 kgAB/kgA
y2 = 0,03344 kgAB/kgA
Estágio 1 2 Total
Soluto Recup. kg/h 64,28 28,21 116,41Solv. Consum. kg/h 1.972 843 2.815Lucro $/a 15,56 2,84 18,40
![Page 100: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/100.jpg)
Solução Seqüencial
Estágio 1 2 Total
Soluto Rec. kg/h 88,20 28,21 116,41Solv. Cons. kg/h 1.972 843 2.815Lucro $/a 15,56 2,84 18,40
Solução Simultânea
Estágio 1 2 Total
Soluto Rec. kg/h 64,28 43,62 107,90Solv. Cons. kg/h 1.184 1.184 2.368Lucro $/a 13,87 5,61 19,48
A solução ótima é aquela obtida pela otimização simultânea
Na solução seqüencial, o primeiro estágio ignora o segundo: solução irrestrita. O segundo estágio é otimizado sob a restrição imposta pelo primeiro: solução restrita.
![Page 101: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/101.jpg)
02,04,0
6,08,0
10
12
1416
18
0,005 0,010 0,015 0,020 0,025 0,030 0,0350,002
0,004
0,006
0,008
0,010
0,012
0,014
0,016
0,018
0,020
X2
X1
Restrição de Igualdade: x1 – 0,01118 = 0
![Page 102: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/102.jpg)
Problemas Restritos [hi(x) , gi(x)]
Método dos Multiplicadores de Lagrange
1. Formar o Lagrangeano do problema:
L(x, , , ) = f(x) + i hi (x) + j [gj(x) + j2]
i , j : multiplicadores de Lagrange (ou de Kuhn-Tucker) i : variável de folga (distância de um ponto interior à fronteira da restrição; transforma desigualdade em igualdade)
2. Localizar os pontos estacionários do Lagrangeano.
3. Analisar as soluções obtidas à luz das restrições.
![Page 103: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/103.jpg)
Exemplo: Min f(x) = (x1 – 1)2 + (x2 – 1)2
s.a.: g1 (x) = x12 + x2
2 – 0,25 0 g2 (x) = x1 0 g3 (x) = x2 0
0,5
0,5
restrição
curvas de nível da função objetivo
1
1 x1
x2
![Page 104: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/104.jpg)
Exemplo: Min f (x) = (x1 – 1)2 + (x2 – 1)2
s.a.: g1 (x) = x12 + x2
2 – 0,25 0 g2 (x) = x1 0 g3 (x) = x2 0
Considerar apenas g1(x) e depois eliminar valores negativos de x1 e x2
L (x, , ) = f(x) + i hi (x) + j [gj(x) + j2]
L (x, , ) = (x1 – 1)2 + (x2 – 1)2 + [x12 + x2
2 – 0,25 + 2]
Formar o Lagrangeano:
![Page 105: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/105.jpg)
L (x, , ) = (x1 – 1)2 + (x2 – 1)2 + [x12 + x2
2 – 0,25 + 2]
L / x1 = 2 x1 – 2 + 2 x1 = 0 x1 = 1/(1 + ) (1)L / x2 = 2 x2 – 2 + 2 x2 = 0 x2 = 1/(1 + ) (2) L / = x1
2 + x22 – 0,25 + 2 = 0 (3)
L / = 2 = 0 (4)
A Eq. (4) é satisfeita para:
0,5
0,5
restrição
x1
x2 curvas de nível da função objetivo
1
1
= 0 (solução irrestrita):
= 0 (folga zero, fronteira da região):
(1) x1 = 1 ; (2) x2 = 1 (viola a restrição!)
(1) e (2) em (3) x1 = x2 = 0,35
= 0,74
![Page 106: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/106.jpg)
Exercício: Min f (x) = x1 x2
s.a.: g1 (x) = x12 + x2
2 – 25 0
Encontrar os pontos estacionários deste problema, pelo método da relaxação Lagrangeana, e analisá-los segundo os critérios de KKT
![Page 107: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/107.jpg)
5.1 Conceito de Otimização5.2 Elementos Comuns em Problemas de Otimização 5.2.1 Variáveis de Decisão (Manipuladas) 5.2.2 Critério 5.2.3 Função Objetivo 5.2.4 Restrições 5.2.5 Região Viável5.3 Localização da Solução Ótima5.4 Problemas e Métodos de Otimização5.5 Método Analítico: problemas univariáveis e multivariáveis.
5. OTIMIZAÇÃO PARAMÉTRICA
5.6 Métodos Numéricos: problemas univariáveis e multivariáveis
![Page 108: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/108.jpg)
5.6. MÉTODOS NUMÉRICOS
Os métodos podem ser:
- Diretos: utilizam apenas o valor da Função Objetivo.
- Indiretos: utilizam também o valor da(s) derivada(s) da Função Objetivo (menor números de tentativas mas o esforço computacional é maior).
São métodos de busca por tentativas.
Os pesquisadores buscam desenvolver métodos que atendam às seguintes propriedades:
- Eficiência: resolver o mesmo problema com menor esforço.
- Robustez: resolver uma variedade maior de problemas.
![Page 109: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/109.jpg)
Exemplo: Dimensionamento de um trocador de calor
5.6. MÉTODOS NUMÉRICOS 5.6.1 Problemas Univariáveis
W1
= 1.000 lb/h
T1
= 200 oF T2
= 100 oF
W3 lb/h ?
T3 = 60 oF
T4 oF
FLUXOGRAMA
A ?
![Page 110: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/110.jpg)
Modelo Matemático
Balanço de Informação: V = 9; N = 4; C = 3; M = 1; G = 1 (otimização)
Avaliação Econômica
0
TT
TTln
)TT()TT(.4
0UAQ.3
0)TT(CpWQ.2
0)TT(CpWQ.1
32
41
3241
3433
2111
m
b
b
3A
T
A
AII
I02,0WpC
I10,0C50,0C
![Page 111: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/111.jpg)
48,0
T x10040
x140ln
bxa
C
1m
*2
*1
*3
*2
*3
*1
*3
*1
*2
*1
2T
xTT
TT
xTTln
)TT(x
)xTT(
mbx
a
dx
dC
Ordenando as equações resulta T4 como Variável de Projeto.Incorporando as Restrições de Igualdade à Função Objetivo CT e definindo x = T4 - T3:
Tentando o Método Analítico:
Impossível explicitar x Método Numérico de Otimização !!!
![Page 112: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/112.jpg)
Métodos de Estreitamento do Intervalo Viável
(b) a partir dos valores calculados e da suposição de unimodalidade, elimina-se a parte do intervalo em que o ponto extremo não pode estar(reduzido o intervalo viável, de incerteza).
(a) a Função Objetivo é calculada em determinados pontos do intervalo viável.
(c) o intervalo viável vai sendo estreitado sucessivamente a cadaiteração até se tornar menor do que uma tolerância pré-estabelecida
Os métodos diferem quanto ao número e ao critério de colocação dos pontos.
Suposição básica: unimodalidade da Função Objetivo
![Page 113: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/113.jpg)
0 1/3 2/3 1
o
o
0 1/3 2/3 1
o
o
Dois experimentos por ciclo
0 11/4 2/4 3/40 11/4 2/4 3/4 0 11/4 2/4 3/4
o
o
oo
o
o
o
o
o
Três experimentos por ciclo
Exemplos para Problemas de Máximo
![Page 114: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/114.jpg)
0 1/4 2/4 3/4 1 0 1/4 2/4 3/4 1 0 1/4 2/4 3/4 1
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
Eliminação de 50% do intervalo
0 1/4 2/4 3/4 1 0 1/4 2/4 3/4 1 0 1/4 2/4 3/4 1
o
o
oo
o
o o
o
o
o
o
o
o
o
o
Eliminação de 75% do intervalo
![Page 115: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/115.jpg)
Método da Seção Áurea
Utiliza dois pontos posicionados de forma a manter:
(a) simetria em relação aos limites do intervalo
(b) fração eliminada constante
![Page 116: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/116.jpg)
Método da Seção Áurea
Base: Retângulo Áureo (esteticamente perfeito, segundo os gregos)
1
![Page 117: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/117.jpg)
Método da Seção Áurea
Base: Retângulo Áureo (esteticamente perfeito, segundo os gregos)
1
1- Propriedade: removendo um quadrado de lado igual ao lado menor,
resulta um outro retângulo com as mesmas proporções do retângulo original
618,0011
1 2
Razão Áurea
![Page 118: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/118.jpg)
Algoritmo da Seção Áurea
ÁUREAIniciarRepetir Eliminar Região Atualizar Delta Se Convergiu Então Finalizar Colocar Novo Ponto
ConvergiuDelta Tolerância
![Page 119: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/119.jpg)
Problema de Mínimo
Eliminação de RegiãoProblema de MáximoEliminação de Região
Atualiza Tolerância ?Novo Ponto
Atualiza Tolerância ?Novo Ponto
Li Lsxs
Fs
xi
Fi
Li Lxs xi
Fs
Fi
s
0,618
Li xs
Fs
xi LsLsxs xi
Fi
Li
Li Lsxs xi
Fs
Fi
= L s - Li
xi = Lixs = Ls - 0,618
+ 0,618
Inicialização
0,618
IniciarRepetir Eliminar Região Atualizar Delta Se Convergiu Então Finalizar Colocar Novo Ponto
![Page 120: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/120.jpg)
48,0
T x10040
x140ln
bxa
C
W1
= 1.000 lb/h
T1
= 200 oF T2
= 100 oF
W3 lb/h ?
T3 = 60 oF
T4 oF
FLUXOGRAMA
A ?
x = T4 - 60
![Page 121: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/121.jpg)
i s s i i sN L x F x F L D
2 0 53,48 247,5467 86,52 259,8506 140 14033,05 260,79563 0 53,48 247,5467 86,52 86,52
66,09 248,75724 33,05 53,48 247,5476 86,52 53,47
45,67 249,63615 33,05 53,48 247,5476 66,09 33,0458,29 247,43146 45,67 53,48 247,5476 66,09 20,4261,27 247,73157 53,48 58,29 247,4314 66,09 12,61
56,46 247,38388 53,48 58,29 247,4314 61,27 7,7955,32 247,40999 53,48 56,46 247,3838 58,29 4,81
57,16 247,389210 55,32 56,46 247,3638 58,29 2,9756,02 247,383611 55,32 56,46 247,3638 57,16 1,84
56,02 56,46 247,3638 57,16 1,14
Minimização do Custo do Trocador de Calor
Tolerância: 1,4 oF (1% do intervalo inicial)
xo = 56,46 T4o = 116,46 Ao = 17 ft2 W3
o = 1.770 lb/h
![Page 122: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/122.jpg)
W1
= 1.000 lb/h
T1
= 200 oF T2
= 100 oF
W3 = 1.770 lb/h
T3 = 60 oF
T4 = 116,5 oF
FLUXOGRAMA
A = 17 ft2
xo = 56,46 T4o = 116,46 Ao = 17 ft2 W3
o = 1.770 lb/h.
![Page 123: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/123.jpg)
5.6. MÉTODOS NUMÉRICOS
Procedimento Geral:
(c) progressão na direção de busca até decisão em contrário. (b) exploração da vizinhança da base para inferir uma direção de busca.(a) seleção de um ponto inicial (base).
Os métodos diferem quanto à forma de executar a exploração e a progressão.
Alguns métodos diretos:- Busca Aleatória- Busca por Malhas- Busca Secionada- Simplex (Poliedros Flexíveis)- Hooke & Jeeves
5.6.2 Problemas Multivariáveis
(d) finalização
![Page 124: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/124.jpg)
Método de Hooke & Jeeves
ALGORITMO
Senão: reduzir os incrementos
Estabelecer um incremento e uma tolerância para cada variável
Escolher uma Base
Repetir
Explorar a vizinhança da Base (em busca da direção provável do ótimo)
Se houve Sucesso em alguma direção
Então: Progredir (na direção provável) até haver um Insucesso
Senão (proximidade do ótimo):
Se Chegou ao Ótimo
Então: Finalizar
![Page 125: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/125.jpg)
Exploração
Testar a Função Objetivo em cada sentido (incrementos + i e - i) de cada direção (xi) ao redor da Base.
Base?- 1
?
- 2
?+ 1
?
+ 2
A Exploração não pode ser interrompida sem que todas as direções tenham sido testadas.
Do resultado, depreender a direção provável do ótimo
![Page 126: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/126.jpg)
Exploração
BaseS- 1
I
- 2
S
+ 2
Funções unimodais: o sucesso num sentido dispensa o teste no outro.
0,0 0,2 0,4 0,6 0,8 1,00,0
0,1
0,2
0,3
0,4
0,5
y
x
S: SucessoI: Insucesso
buscando máximo
Sucesso
desnecessário
![Page 127: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/127.jpg)
Exploração
BaseS- 1
I
- 2
S
+ 2
O Sucesso numa tentativa justifica a mudança da Base para a nova posição. A Exploração continua a partir desta melhor posição.
![Page 128: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/128.jpg)
Seguem-se todos os resultados possíveis da Exploração em 2 dimensões
![Page 129: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/129.jpg)
- 1
18
15
- 2
x1
x2
Sucesso: deslocar a Base
Sucesso: deslocar a Base
Direção provável do ótimo
10 Base
Unimodalidade: dispensa + 1
Direção x1
Direção x2
Unimodalidade: dispensa + 2
![Page 130: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/130.jpg)
- 115
12
- 2
x1
x2
+ 2
18
Sucesso: deslocar a Base
Insucesso: permanece na Base
Sucesso: deslocar a Base
Direção provável do ótimo
10 Base
Direção x1
Direção x2
Unimodalidade: dispensa + 1
![Page 131: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/131.jpg)
- 115
- 2
x1
x2
+ 2 Sucesso: deslocar a Base
12 Insucesso: permanecer na Base
Direção provável do ótimo
10 Base
Direção x1
Direção x2
Unimodalidade: dispensa + 1
13 Insucesso: permanecer na Base
![Page 132: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/132.jpg)
- 17
18
- 2
x1
x2
Sucesso: deslocar a Base
Insucesso: permanecer na Base
Sucesso: deslocar a Base
Direção provável do ótimo
15+1
10
Base
Direção x1
Direção x2
Unimodalidade: dispensa + 2
![Page 133: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/133.jpg)
- 17
- 2
x1
x2
Sucesso: deslocar a BaseInsucesso:
permanecer na Base
Direção provável do ótimo
15+1
12
10
Base
18 Sucesso: deslocar a Base
Insucesso: permanecer na Base
+ 2
Direção x1
Direção x2
![Page 134: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/134.jpg)
- 17
- 2
x1
x2
Sucesso: deslocar a Base
Insucesso: permanecer na Base Direção provável
do ótimo
15+1
10
Base
Insucesso: permanecer na Base
+ 2
Direção x1
Direção x2
12
11Insucesso: permanecer na Base
![Page 135: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/135.jpg)
- 17
- 2
x1
x2
Sucesso: deslocar a Base
Insucesso: permanecer na Base
Direção provável do ótimo
+110
Base
Direção x1
Direção x2
Insucesso: permanecer na Base8
15
Unimodalidade: dispensa + 2
![Page 136: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/136.jpg)
- 17
- 2
x1
x2
Insucesso: permanecer na Base
Direção provável do ótimo
+110
Base
Direção x1
Direção x2
Insucesso: permanecer na Base8
Sucesso: deslocar a Base
15
+ 2
Insucesso: permanecer na Base9
![Page 137: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/137.jpg)
- 17
- 2
x1
x2
Insucesso: permanecer na Base
+110
Base
Direção x1
Direção x2
Insucesso: permanecer na Base8
+ 2
Insucesso: permanecer na Base9
Insucesso: permanecer na Base5
A Base deve estar próxima do ótimo !
![Page 138: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/138.jpg)
x1
x2
Método de Hooke & Jeeves : Fase de Progressão
15+110
Base
+ 2
18
+ 2 2
+2 1
25
+ 2 2
+2 1
22
Resultado da Exploração
Progredir com duplo incrementoaté ocorrer um Insucesso
Sucesso! Mover a Base.Continuar a Progressão
Insucesso!Permanecer na Base (25)
Exploração a partir da Base (25) com 1 e 2 .
![Page 139: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/139.jpg)
A Base estará suficientemente próxima para ser declarada como o ótimo?
Se todos os incrementos estiverem menores do que as tolerâncias, SIM!: Finalizar
Se algum deles estiver maior, então este deve ser reduzido à metade.
Inicia-se uma nova Exploração à volta da Base com os novos incrementos
Senão: reduzir os incrementos
Se Chegou ao ÓtimoEntão: Finalizar
![Page 140: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/140.jpg)
x1
x2
1 > 1 e 2 > 2 : ainda não chegou ao ótimo : 1 = 1 /2 , 2 = 2 /2
Senão: reduzir os incrementos
Se Chegou ao ÓtimoEntão: Finalizar
9
- 1
7
- 2
+1
10Base
+ 2
5
8
+ 1- 1
+ 2
- 2
![Page 141: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/141.jpg)
x1
x2
1 < 1 e 2 < 2 : a Base pode ser considerada o Ponto Ótimo
8- 1
7
- 2
+110
Base
+ 2
9
5
+ 1- 2
+ 2
- 2
Se Chegou ao Ótimo
Então: Finalizar
![Page 142: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/142.jpg)
Método de Hooke & Jeeves
ALGORITMO
Senão: reduzir os incrementos
Estabelecer um incremento e uma tolerância para cada variável
Escolher uma BaseRepetir
Explorar a vizinhança da Base (em busca da direção provável do ótimo)
Se houve Sucesso em alguma direçãoEntão: Progredir (na direção provável) até haver um InsucessoSenão: (proximidade do ótimo)
Se Chegou ao ÓtimoEntão: Finalizar
![Page 143: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/143.jpg)
Funções Unimodais
O método converge sempre para o único extremo independentemente da base inicial.
Os incrementos iniciais afetam apenas o número de tentativas.
![Page 144: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/144.jpg)
O método pode convergir para extremos locais diferentes dependendo da base inicial e dos incrementos iniciais selecionados.
Funções Multimodais
(a) partindo de bases iniciais diferentes pode-se alcançar extremos locais diferentes com os mesmos incrementos iniciais.
(b) partindo de uma mesma base inicial pode-se alcançar extremos locais diferentes com incrementos iniciais diferentes
f (x) = (x12 + x2 – 11)2 + (x2
2 + x1 – 7)2
![Page 145: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/145.jpg)
6
78
9 1011
12
1 4
5
X2
X1
23
13
Método dos poliedros flexíveis
É um método de busca multivariável (J.A. Nelder e R. Mead, 1964, também chamado de Simplex), onde o pior vértice de um poliedro com n + 1 vértices é substituído por um novo vértice colinear com o vértice antigo e o centróide.
xn
x x j nj i j h ji
n
01
111 2, , , , ,
Centróide:
onde xh,j é o pior vértice.
![Page 146: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/146.jpg)
Método dos poliedros flexíveis
O algoritmo envolve quatro operações de busca, que para o caso da minimização da função objetivo têm as seguintes formas:
0 0
1 1
( ) , 0
( ) max ( ), , ( )
k k k kR h
k k kh n
x x x x
onde f x f x f x
Reflexão 1 1
0 0
1
1
( ) ( ) min ( ), , ( ) ,
( ) , 1
( ) ( ),
sen
1 ( 1)
k k k kR n
k k k kE R
k k k kE R h E
k kh R
Se f x f x f x f x
então x x x x
Se f x f x então x x
ão x x
k k ir para
onde x k é o melhor vértice.
Expansão
0 0
1
( ) ( ) , ( )
, 0 1
1 ( 1)
k k k k k kR i C h
k kh C
Se f x f x i h então x x x x
x x
k k ir para
Contração
1 1( ) ( ), ( )
21,2, , 1
1 ( 1)
k k k k k kR h i iSe f x f x então x x x x
i n
k k ir para
Redução
![Page 147: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/147.jpg)
Método dos poliedros flexíveis
O critério usado por Nelder e Mead para terminar a busca é o seguinte:
11 22
01
1( ) ( )
1
nk ki
i
f x f xn
![Page 148: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/148.jpg)
DIMENSIONAMENTO POR SIMULAÇÕES SUCESSIVAS
EMPREGADO POR “SOFTWARES” COMERCIAIS
Empregam, para dimensionamento, os módulos ordenados para simulação.
Mas exige um procedimento de otimização:
- função objetivo (a ser minimizada): diferença, em valor absoluto, entre os valores obtidos para as variáveis de saída e os valores estipulados como metas
- variáveis de projeto: as dimensões dos equipamentos
![Page 149: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/149.jpg)
Exemplo: Extrator
T oC
W = 3.750 kgB/h
rafinado
y = 0,032kg AB/kg Br = 0,60
extrato W = 3.750 kgB/h
Q* = 10.000 kgA/hQ* = 10.000 kgA/hxo*= 0,02 kg AB/kg A
To oC
Ts oC
T oCT oC
x* = 0,008 kgAB/kg A
alimentação
solvente
T oC
W = ??? kgB/h
rafinado
y = kg AB/kg Bextrato W = kgB/h
Q* = 10.000 kgA/hQ* = 10.000 kgA/hxo*= 0,02 kg AB/kg A
To oC
Ts oC
T oCT oC
x = ??? kgAB/kg A
alimentação
solvente
FO = |x – 0,008|
Normal
Simulações Sucessivas
![Page 150: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/150.jpg)
Exemplo: Extrator
T oC
W = ??? kgB/h
rafinado
y = kg AB/kg Bextrato W = kgB/h
Q* = 10.000 kgA/hQ* = 10.000 kgA/hxo*= 0,02 kg AB/kg A
To oC
Ts oC
T oCT oC
x = ??? kgAB/kg A
alimentação
solvente
FO = |x – 0,008|
Simulações Sucessivas
1. Q(xo – x) – W y = 02. y – k x = 0
x = Q xo / (Q + k W )
Por Seção Áurea, 0 < W < 1.000 W = 3.750
![Page 151: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/151.jpg)
Exemplo: Trocador de Calor
T1* = 80 oC
W1* = 30.000 kg/h
A = 265,6 m2
T 2* = 25 oC
W3 = 44.000 kg/h
T3* = 15 oC
T4* = 30 oC
0
TT
TTln
)TT()TT(.4
0UAQ.3
0)TT(CpWQ.2
0)TT(CpWQ.1
32
41
3241
3433
2111
T1* = 80 oC
W1* = 30.000 kg/h
A T 2* ???
W3
T3* = 15 oC
T4* = ???
T2 = T1 – Q/W1Cp1
T4 = T3 + Q/W3Cp3
Normal
Simulações Sucessivas
Por Hooke&Jeeves
0 < A < 1.0000 < W3 < 100.000
![Page 152: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/152.jpg)
MATERIAL COMPLEMENTAR
![Page 153: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/153.jpg)
x ?
T2 ?T3 ?
1-x
Q
WCpQ = 10 kW/oC
F2
WCpF2 = 7 kW/oC 2
1
F1
WCpF1 = 5 kW/oC
T1* = 180 oC
T8* = 170 oC T7
* = 100oC
T6* = 117,2 oC
T4* = 102,4 oC
T5* = 60oC
Subsídio para o Problema 5.10: divisão de correntes
![Page 154: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/154.jpg)
Q2 = WQ (1 – x) (T1 – T3)
Balanço de InformaçãoG = 1
Modelo Matemático
Q1 = WF1 (T6 - T5)
Q1 = WQ x (T1 – T2)
Q2 = WF2 (T8 - T7)
Variável de Projeto: x
Função Objetivo
Max LE = aR – b(Cmp + Cutil) – c ISBL
QWCpQ = 10 kW/oC
F2
WCpF2 = 7 kW/oC 2
1
x ? 1 - x
F1
WCpF1 = 5 kW/oC
T1* = 180 oC
T2 ? T3 ?
T8* = 170 oC T7
* = 100oC
T6* = 117,2 oC
T4* = 102,4 oC
T5* = 60oC
![Page 155: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/155.jpg)
Q2 = WQ (1 – x) (T1 – T3)
Balanço de InformaçãoG = 1
Modelo Matemático
Q1 = WF1 (T6 - T5)
Q1 = WQ x (T1 – T2)
Q2 = WF2 (T8 - T7)
Variável de Projeto: x
Função ObjetivoMax LE = aR – b(Cmp + Cutil) – c ISBL
Min C = A10,65 + A2
0,65
QWCpQ = 10 kW/oC
F2
WCpF2 = 7 kW/oC 2
1
x ? 1 - x
F1
WCpF1 = 5 kW/oC
T1* = 180 oC
T2 ? T3 ?
T8* = 170 oC T7
* = 100oC
T6* = 117,2 oC
T4* = 102,4 oC
T5* = 60oC
![Page 156: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/156.jpg)
Q2 = WQ (1 – x) (T1 – T3)
Modelo Matemático
Q1 = WF1 (T6 - T5)
Q1 = WQ x (T1 – T2)
Q2 = WF2 (T8 - T7)
Função Objetivo Min C = A1
0,65 + A20,65
T3 = T1 - Q2 / WQ (1 - x) > T7 xs = 1 - Q2 / WQ (T1 - T7)
Resolução: Seção Áurea
T2 = T1 - Q1 / x WQ > T5 xi = Q1 / WQ (T1 - T5)
Limites de x
QWCpQ = 10 kW/oC
F2
WCpF2 = 7 kW/oC 2
1
x ? 1 - x
F1
WCpF1 = 5 kW/oC
T1* = 180 oC
T2 ? T3 ?
T8* = 170 oC T7
* = 100oC
T6* = 117,2 oC
T4* = 102,4 oC
T5* = 60oC
![Page 157: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/157.jpg)
T3 = T1 - Q2 / WQ (1 - x) > T7 xs = 1 - Q2 / WQ (T1 - T7)
T2 = T1 - Q1 / x WQ > T5 xi = Q1 / WQ (T1 - T5)
Limites de x
QWCpQ = 10 kW/oC
F2
WCpF2 = 7 kW/oC 2
1
x = 0,74
F1
WCpF1 = 5 kW/oC
T1* = 180 oC
T2 = 70oC T3 = 113,8 oC
T8* = 170 oC T7
* = 100oC
T6* = 117,2 oC
T4* = 102,4 oC
T5* = 60oC
Solução
![Page 158: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/158.jpg)
W1 lb/h ? W2 lb/h ? W3 lb/h ?
t2 = - 22 oF
t3 = - 70 oFt1 = 15 oF
to*= 50 oF
Wo* = 10.000 lb/h
T1* = 0 oF T2
* = - 40 oF T3* = - 80 oF
Problema 5.12
Resfriar uma corrente com 3 fluidos refrigerantes que vaporizam a T constante.
Vazão de cada fluido refrigerante?
![Page 159: CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA](https://reader033.vdocuments.pub/reader033/viewer/2022061614/56813a25550346895da2059a/html5/thumbnails/159.jpg)
Q W C t ti o p i i ( )1 0
Q Wi i 0
Q UAi i i 0
i i
t tt Tt T
ii i
i i
ln
1
10
O custo de cada trocador é dado por C a A b Wi i i i i ($/h)
Modelo Matemático para cada Trocador i
t2 = - 22 oF
t3 = - 70 oFt1 = 15 oF
to*= 50 oF
W1 lb/h ? W2 lb/h ? W3 lb/h ?
Wo* = 10.000 lb/h
T1* = 0 oF T2
* = - 40 oF T3* = - 80 oF