eqe 002 otimizaÇÃo em engenharia quÍmica
DESCRIPTION
EQE 002 OTIMIZAÇÃO EM ENGENHARIA QUÍMICA. Tópico 7. 12 de setembro de 2013. 7. MÉTODOS NUMÉRICOS. São métodos de busca por tentativas. Os métodos podem ser:. - Diretos: orientam as tentativas com base apenas no valor da Função Objetivo. - PowerPoint PPT PresentationTRANSCRIPT
EQE 002EQE 002
OTIMIZAÇÃO EM ENGENHARIA OTIMIZAÇÃO EM ENGENHARIA QUÍMICAQUÍMICA
12 de setembro de 2013
Tópico 7
7. MÉTODOS NUMÉRICOS
- Indiretos: utilizam, também, o valor da derivada da Função Objetivo. (com mais informação, o número de tentantivas é menor; mas o esforço computacional é maior).
São métodos de busca por tentativas.
- Robustez: resolver uma variedade maior de problemas.
Os pesquisadores buscam desenvolver métodos que atendam às seguintes propriedades:
- Eficiência: resolver o mesmo problema com menor esforço.
- Diretos: orientam as tentativas com base apenas no valor da Função Objetivo.
Os métodos podem ser:
Motivação para o uso de métodos numéricos
7. MÉTODOS NUMÉRICOS
W1 = 30.000 kg/h
T1 = 100 oC T2 = 50 oC
W3 kg/h ?
T4 oC
A m2 ?
T3= 15 oC
Dimensionamento de um trocador de calor
Modelo
Balanço de Informação: V = 9; N = 4; C = 3; M = 1; G = 1 (otimização)
Avaliação Econômica
02111 )TT(CWQ1. p
03433 )TT(CWQ2. p
0 UAQ3.
0
32
41
3241
TT
TTln
)TT()TT(4.
FLUXOGRAMA
W1 = 30.000 kg/h
T1 = 100 oC T2 = 50 oC
W3 kg/h ?
T4 oC
A m2 ?
T3= 15 oC
CT = Ccap + Cutil480,
cap 4,6
A50)(0,10)(1.3C
Cutil = (8.500)(5x10-5)W3
Avaliação EconômicaCT = Ccap + Cutil
480,
cap 4,6
A50)(0,10)(1.3C
Cutil = (8.500)(5x10-5)W3
Modelo Ordenado
U
Q3.A
)TT(CpWQ. 21111
)TT(Cp
QW.
34332
32
41
3241
TT
TTln
)TT()TT(4.
Incorporando o modelo ordenado à Função Objetivo
Variável de Projeto: T4
154T
286.875
,
4T6535
4T-100ln
4.469TC
480
W1 = 30.000 kg/h
T1 = 100 oC T2 = 50 oC
W3 kg/h ?
T4 oC
A m2 ?
T3= 15 oC
154T
286.875
,
4T6535
4T-100ln
4.469TC
480
Limites de T4: 15 e 100, com uma descontinuidade em 65.
A derivada desta função é por demais complexa, inviabilizando a explicitação de T4.
7. Métodos Numéricos 7.1 Problemas Univariáveis 7.1.1 Problemas Irrestritos (a) Métodos Diretos - Intervalo Fixo - Intervalo Variável (aceleração) (b) Métodos Indiretos: busca com gradiente 7.1.2 Problemas Restritos (a) Métodos Diretos - Intervalos Regulares - Intervalos Irregulares - Seção Áurea - Aproximação Polinomial - Interpolação Quadrática (b) Métodos Indiretos - Método de Newton - Método das Secantes
7. Métodos Numéricos 7.1 Problemas Univariáveis 7.1.1 Problemas Irrestritos (a) Métodos Diretos - Intervalo Fixo - Intervalo Variável (aceleração) (b) Métodos Indiretos: busca com gradiente 7.1.2 Problemas Restritos (a) Métodos Diretos - Intervalos Regulares - Intervalos Irregulares - Seção Áurea - Aproximação Polinomial - Interpolação Quadrática (b) Métodos Indiretos - Método de Newton - Método das Secantes
7. Métodos Numéricos 7.1 Problemas Univariáveis 7.1.1 Problemas Irrestritos (a) Métodos Diretos - Intervalo Fixo - Intervalo Variável (aceleração) (b) Métodos Indiretos: busca com gradiente 7.1.2 Problemas Restritos (a) Métodos Diretos - Intervalos Regulares - Intervalos Irregulares - Seção Áurea - Aproximação Polinomial - Interpolação Quadrática (b) Métodos Indiretos - Método de Newton - Método das Secantes
7. Métodos Numéricos 7.1 Problemas Univariáveis 7.1.1 Problemas Irrestritos (a) Métodos Diretos - Intervalo Fixo - Intervalo Variável (aceleração) (b) Métodos Indiretos: busca com gradiente 7.1.2 Problemas Restritos (a) Métodos Diretos - Intervalos Regulares - Intervalos Irregulares - Seção Áurea - Aproximação Polinomial - Interpolação Quadrática (b) Métodos Indiretos - Método de Newton - Método das Secantes
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 (Problemas de Máximo)
intervalos eliminados
intervalos eliminados
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
Casos de 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
Casos de eliminação de 75% do intervalo
7. Métodos Numéricos 7.1 Problemas Univariáveis 7.1.1 Problemas Irrestritos (a) Métodos Diretos - Intervalo Fixo - Intervalo Variável (aceleração) (b) Métodos Indiretos: busca com gradiente 7.1.2 Problemas Restritos (a) Métodos Diretos - Intervalos Regulares - Intervalos Irregulares - Seção Áurea - Aproximação Polinomial - Interpolação Quadrática (b) Métodos Indiretos - Método de Newton - Método das Secantes
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 (o intervalo viável, de incerteza, é reduzido).
(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.
Hipótese: a Função Objetivo é unimodal
Então, qualquer ponto no interior do intervalo pode ser considerado como solução do problema.
7. Métodos Numéricos 7.1 Problemas Univariáveis 7.1.1 Problemas Irrestritos (a) Métodos Diretos - Intervalo Fixo - Intervalo Variável (aceleração) (b) Métodos Indiretos: busca com gradiente 7.1.2 Problemas Restritos (a) Métodos Diretos - Intervalos Regulares - Intervalos Irregulares - Seção Áurea - Aproximação Polinomial - Interpolação Quadrática (b) Métodos Indiretos - Método de Newton - Método das Secantes
MÉTODO DA SEÇÃO ÁUREA
Em cada iteração, um dos intervalos é eliminado com base no valor da Função Objetivo calculada em apenas dois pontos.
Onde posicionar xi e xs? Qual é esta fração?
Esses pontos (xi e xs) são estrategicamente posicionados de modo a:
(a) exibir uma simetria em relação aos limites do intervalo (Li e Ls)
(b) eliminar sempre a mesma fração do intervalo vigente.
Fi
Fs
LsLi xi xs
Esta fração advém da razão dos lados do Retângulo Áureo (esteticamente perfeito, segundo os gregos)
1
Seja um retângulo de lado maior 1 e lado menor
A razão dos seus lados é /1 =
Removendo-se um quadrado,
1
1-
sobra um retângulo cuja razão dos lados é (1 - ) /
1
O Retângulo Áureo é aquele cuja razão dos lados permanece a mesma ao se remover quadrados sucessivos
618,0011
1 2
Esta é a Razão Áurea dos lados de um retângulo
382,01
1-
Retângulo Áureo
1
0,618
0,382
0,618 / 1 = 0,382 / 0,618 = 0,618
Assim, a cada remoção de um quadrado o lado maior do retângulo perde 38,2% do seu comprimento ficando reduzido a
61,8% do comprimento anterior.
Retângulo Áureo
1
0,618
0,382
0,618 / 1 = 0,382 / 0,618 = 0,618
1 0,618 0,382 0,236 0,146 0,090
Após a remoção de 10 quadrados, o lado maior do retângulo estará reduzido a 0,61010 = 0,0081 do comprimento original, ou
seja, a menos de 1% do comprimento original.
1 0,618 0,382 0,236 0,146 0,090
Retângulo Áureo na Arquitetura Grega
MÉTODO DA SEÇÃO ÁUREA
Em cada iteração, um dos intervalos é eliminado com base no valor da Função Objetivo calculada em apenas dois pontos.
Esses pontos (xi e xs) são estrategicamente posicionados de modo a:
(a) exibir uma simetria em relação aos limites do intervalo (Li e Ls)(b) eliminar sempre a mesma fração do intervalo vigente.
Isto é obtido dividindo o intervalo de busca na razão áurea
Fi
Fs
LsLi xi xs
0,382 0,382
0,618
Para isso: = Ls – Li
xi = Li + 0,382 xs = Ls - 0,382
A cada iteração é eliminado um subintervalo
Exemplo:Eliminado o da esquerda, o intervalo inicial é reduzido para 0,618
Algoritmo da Seção Áurea
ÁUREAIniciarRepetir Eliminar Região Atualizar Delta Se Convergiu Então Finalizar Colocar Novo Ponto
ConvergiuDelta Tolerância
Problema de MínimoEliminação de Região
Problema de MáximoEliminação de Região
Atualiza Tolerância ?Novo Ponto
Atualiza Tolerância ?Novo Ponto
IniciarRepetir Eliminar Região Atualizar Delta Se Convergiu Então Finalizar Colocar Novo Ponto
Fi
Fs
LsLi xi xs
Fi
LsLi xi xs
Fs
xs Ls
xi xs
Fi Fs
xi Li
xs xi
Fs Fi
Inicialização
= Ls – Li
xi = Li + 0,382 xs = Ls - 0,382
Fi
Fs
LsLi xi xs
0,382 0,382
0,618
Fi
LsLi xi xs
Fs
xi
Fs
LsLi xs
Fi
Problema de MáximoEliminação de Região
Atualiza Tolerância ?Novo Ponto
IniciarRepetir Eliminar Região Atualizar Delta Se Convergiu Então Finalizar Colocar Novo Ponto
Fi
LsLi xi xs
Fs
xs Ls
xi xs
Fi Fs
Inicialização
= Ls – Li
xi = Li + 0,382 xs = Ls - 0,382
Fi Fs
LsLi xi xs
0,382 0,382
0,618
Fi
LsLi xi xs
Fs
0,382 0,382
Problema de MínimoEliminação de Região
Atualiza Tolerância ?Novo Ponto
IniciarRepetir Eliminar Região Atualizar Delta Se Convergiu Então Finalizar Colocar Novo Ponto
Fi
Fs
LsLi xi xs
xi Li
xs xi
Fs Fi
Inicialização
= Ls – Li
xi = Li + 0,382 xs = Ls - 0,382
Fi
Fs
LsLi xi xs
0,382 0,382
0,618
xi
Fs
LsLi xs
Fi
0,382 0,382
EXEMPLO
W1 = 30.000 kg/h
T1 = 100 oC T2 = 50 oC
W3 kg/h ?
T4 oC
A m2 ?
T3= 15 oC
Dimensionamento de um trocador de calor
Cp1 = 1,35 kcal/kg oCCp3 = 1,00 kcal/kg oC U = 0,75 kcal / m2 oC
Modelo
Balanço de Informação: V = 9; N = 4; C = 3; M = 1; G = 1 (otimização)
Avaliação Econômica
02111 )TT(CWQ1. p
03433 )TT(CWQ2. p
0 UAQ3.
0
32
41
3241
TT
TTln
)TT()TT(4.
FLUXOGRAMA
W1 = 30.000 kg/h
T1 = 100 oC T2 = 50 oC
W3 kg/h ?
T4 oC
A m2 ?
T3= 15 oC
CT = Ccap + Cutil480,
cap 4,6
A50)(0,10)(1.3C
Cutil = (8.500)(5x10-5)W3
Avaliação Econômica
CT = Ccap + Cutil480,
cap 4,6
A50)(0,10)(1.3C
Cutil = (8.500)(5x10-5)W3
Modelo Ordenado
U
Q3.A
)TT(CpWQ. 21111
)TT(Cp
QW.
34332
32
41
3241
TT
TTln
)TT()TT(4.
154T
286.875
0,48
4T6535
4T-100ln
4.469TC
Incorporando o modelo ordenado à Função Objetivo
Variável de Projeto: T4
W1 = 30.000 kg/h
T1 = 100 oC T2 = 50 oC
W3 kg/h ?
T4 oC
A m2 ?
T3= 15 oC
Limites de T4: 15 e 100, com uma descontinuidade em 65 (T4 = 1)
154T
286.875
0,48
4T6535
4T-100ln
4.469TC
PROGRAMA Áurea.bas e Áurea.xls
IniciarRepetir Eliminar Região Atualizar Delta Se Convergiu Então Finalizar Colocar Novo Ponto
154T
286.875
0,48
4T6535
4T-100ln
4.469TC
i i i s s sN L x F x F L
2 15 47,47 9.568 67,53 6.287 100 8579,93 5.33967,53 6.2873 47,47 100 52,53
15
Li
100
Lsxi
47,47
xs
67,53
9.568
6.287
Li assume o valor de xi... xi assume o valor de xs..
4 67,53 79,93 5.339 100 32,47
Se Convergiu Então Finalizar
Colocar Novo Ponto
xs
79,93
5.339
Iniciar
Repetir
Eliminar Região
Atualizar Delta
Acompanhamento no gráfico e na tabela
VER PROGRAMA AUREA.XLS
Minimização do Custo do Trocador de CalorResultado do Aurea.xls
N Li xs Fs xi Fi Ls
2,00 15,00 47,47 6776,63 67,53 5073,83 100,00 85,00
3,00 47,47 67,53 5073,83 79,93 4510,13 100,00 52,53
4,00 67,53 79,93 4510,13 87,60 4293,36 100,00 32,47
5,00 79,93 87,60 4293,36 92,33 4222,96 100,00 20,07
6,00 87,60 92,33 4222,96 95,26 4224,39 100,00 12,40
87,60 92,33 4222,96 95,26 7,67
7. Métodos Numéricos 7.1 Problemas Univariáveis 7.1.1 Problemas Irrestritos (a) Métodos Diretos - Intervalo Fixo - Intervalo Variável (aceleração) (b) Métodos Indiretos: busca com gradiente 7.1.2 Problemas Restritos (a) Métodos Diretos - Intervalos Regulares - Intervalos Irregulares - Seção Áurea - Aproximação Polinomial - Interpolação Quadrática (b) Métodos Indiretos - Método de Newton - Método das Secantes
7. Métodos Numéricos 7.1 Problemas Univariáveis 7.1.1 Problemas Irrestritos (a) Métodos Diretos - Intervalo Fixo - Intervalo Variável (aceleração) (b) Métodos Indiretos: busca com gradiente 7.1.2 Problemas Restritos (a) Métodos Diretos - Intervalos Regulares - Intervalos Irregulares - Seção Áurea - Aproximação Polinomial - Interpolação Quadrática (b) Métodos Indiretos - Método de Newton - Método das Secantes
7. Métodos Numéricos 7.1 Problemas Univariáveis 7.1.1 Problemas Irrestritos (a) Métodos Diretos - Intervalo Fixo - Intervalo Variável (aceleração) (b) Métodos Indiretos: busca com gradiente 7.1.2 Problemas Restritos (a) Métodos Diretos - Intervalos Regulares - Intervalos Irregulares - Seção Áurea - Aproximação Polinomial - Interpolação Quadrática (b) Métodos Indiretos - Método de Newton - Método das Secantes (Quasi-Newton)
7. Métodos Numéricos 7.1 Problemas Multivariáveis 7.1.1 Problemas Irrestritos (a) Métodos Diretos - Intervalo Fixo - Intervalo Variável (aceleração) (b) Métodos Indiretos: busca com gradiente 7.1.2 Problemas Restritos (a) Métodos Diretos - Intervalos Regulares - Intervalos Irregulares - Seção Áurea - Aproximação Polinomial - Interpolação Quadrática (b) Métodos Indiretos - Método de Newton - Método das Secantes
7. 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 Seccionada- Simplex- Hooke & Jeeves
7.2 Problemas Multivariáveis
(d) finalização
MÉTODOS DE BUSCA ALEATÓRIA
O método parte de um ponto inicial. Em seguida, são selecionadas aleatoriamente direções e distâncias, calculando-se a função objetivo nesses pontos. Após análise dos resultados, parte-se dos melhores valores obtidos repetindo-se o procedimento.
Os métodos diferem da forma como cada etapa é executada.
x1
x2
BUSCA POR MALHAS
A Função Objetivo é calculada em diversos pontos no entorno de um ponto base segundo uma configuração e incrementos pré-estabelecidos;
Identificado o melhor ponto este é tomado como novo ponto base, repetindo-se o procedimento.
Não havendo sucesso no entorno do um ponto base, os incrementos são reduzidos
O procedimento é repetido até que o incremento se torne menor ou igual a uma tolerância pré-estabelecida.
BUSCA SECCIONADA (UNIVARIÁVEL)
Uma busca univariável é executada de cada vez em cada uma das n direções.
Uma circunstância excepcionalmente favorável ocorre quando a função é quadrática e alinhada com os eixos coordenados: o método converge em n iterações.
Em outras circunstâncias o método perde em eficiência pois à medida que se aproxima do ótimo o passo vai se tornando cada vez menor.
MÉTODO SIMPLEX
Para duas dimensões ela assume a forma de um triângulo equilátero
A Função Objetivo é calculada nos vértices de uma figura denominada Simplex pelos autores do método [Spendley, Hext e Himsworth (1962)]
A Função é calculada nos três vértices: 1, 2 e 3.
O pior ponto (1, por exemplo) é substituído por outro projetado através do centroide da figura, mantendo o mesmo comprimento do lado do triângulo (ponto 4).
O procedimento é repetido permitindo a mudança de direção da busca.
A figura mostra a evolução da busca, com a mudança de direção e redução do lado do triângulo com a aproximação do ótimo.
Método de Hooke & Jeeves
ALGORITMO
Senão: reduzir os incrementos
Explorar, Progredir e Chegou ao Ótimo: ver em seguida
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 direção
Então: Progredir (na direção provável) até haver um InsucessoSenão (estamos nas proximidades do ótimo):
Se Chegou ao ÓtimoEntão: Finalizar
Método de Hooke & Jeeves
ALGORITMOEstabelecer um incremento e uma tolerância para cada variável
Escolher uma BaseRepetir
Explorar a vizinhança da Base (em busca da direção provável do ótimo)
Base: o centro da região de busca (na falta de maiores informações).
Tolerância: o menor intervalo de incerteza admissível para cada variável
Incremento: a busca deve ser grosseira, porém rápida no início e lenta e minuciosa nas proximidades do ótimo. O incremento inicial pode ser 2 vezes a tolerância, ou mais, para ser reduzido à metade à medida que se aproxima do ótimo.
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
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
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.
Seguem-se todos os resultados possíveis da Exploração
- 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
- 115
12
- 2
x1
x2
+ 2
18
Sucesso: deslocar a Base
Insucesso: permanecer na Base
Sucesso: deslocar a Base
Direção provável do ótimo
10 Base
Direção x1
Direção x2
Unimodalidade: dispensa + 1
- 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
- 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
- 17
- 2
x1
x2
Sucesso: deslocar a Base
Insucesso: 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
- 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
- 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
- 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
- 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 !
Método de Hooke & Jeeves
ALGORITMOEstabelecer 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 direção
Então: Progredir (na direção provável) até haver um Insucesso
Senão (proximidade do ótimo):
Senão: reduzir os incrementos
Se Chegou ao ÓtimoEntão: Finalizar
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
x1
x2
Reduzir os incrementos1 = 1 /2 , 2 = 2 /2
Senão: reduzir os incrementos
Se Chegou ao ÓtimoEntão: Finalizar
9
- 17
- 2
+110
Base
+ 2
5
8
+ 2
1 > 1 e 2 > 2 ainda não chegou ao ótimo
+ 1- 1
- 2
x1
x2
1 < 1 e 2 < 2
8- 1
7
- 2
+1
10Base
+ 2
9
5
+ 1- 2
+ 2
- 2
Se Chegou ao ÓtimoEntão: Finalizar
a Base pode ser considerada o Ponto Ótimo
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 direção
Então: Progredir (na direção provável) até haver um InsucessoSenão: (proximidade do ótimo)
Se Chegou ao ÓtimoEntão: Finalizar
x1
x2
Método de Hooke & Jeeves : Fase de Progressão (passo simples)
10
Base
+ 2
+1
25
22
15+1
+ 2
18
Resultado da Exploração
Progredir até 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 .
+ 2
+1
x1
x2
Método de Hooke & Jeeves : Fase de Progressão (passo duplo)
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 .
Funções Unimodais
O método converge sempre para o único extremo independentemente da base inicial.
Os incrementos iniciais afetam apenas o número de tentativas.
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
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
'HJ 18JUL90-23MAI96'Executa o Método de Hooke & Jeeves.
'----------------------------------------------------------------------------' Programa Principal'----------------------------------------------------------------------------
EscolherUmaBaseDO
ExplorarAsVizinhancasDaBase '(Buscando a direção provável do ótimo). IF HouveSucessoEmAlgumaDirecao THEN
ProgredirAteUmInsucesso '(Na direção provável do ótimo). ELSE
IF ChegouAoOtimo THEN EXIT DO ELSE ReduzirTodosOsIncrementos END IFLOOPFinalizar
Ver H&JTela.xls
Aplicação a um processo
Fluxograma do ProcessoDimensionamento: condições conhecidas + metas de projeto
W6
T*6
W10 T*
10
W13 T13 W11
T*11
W8
T*8
W*1
x*11
T*1
f11
f31
W7 T*
7
W5 T*
5
W3 x13
T3 f13 f23
W4 x*
14
T4 f14 f24
W12 T*
12
W12 T*
12
W14 T*
14
W2
x12
T*2
f12 f32
EXTRATOR
Extrato
Rafinado
EVAPORADOR
CONDENSADORRESFRIADORMISTURADOR
BOMBA
1
2
3
4
5
67
8
910
11
12
13
14
15
VdAe
AcAr
t* r*
Alimentação Produto
Vapor
Benzeno
Benzeno
Água Água
W15 T15
Dimensionamento
INCÓGNITAS PARÂMETROS
L
AVALIAÇÃO
ECONÔMICA
Vd,Ae,Ac,Ar
W4,W6,W8,W11,W14MODELO
FÍSICO
VARIÁVEIS ESPECIFICADAS
W1x11,x14
T1,T2,T5,T6,T7,T8,T9,T10,T11,T12,T14, r,
G = 0(solução única)
Resultado do Dimensionamento
W6 =8.615 kg/hT*
6 = 150 oC
W10 =36.345 kg/hT*
10 = 80 oCW13 = 36.345 kg/hT13 = 25 oC
W11 = 59.969 kg/hT*
11 = 15 oCW8 = 228.101 kg/hT*
8 = 15 oC
W*1 = 100.000 kg/h
x*11 = 0,002
T*1 = 25 oC
f11 = 200 kg/hf31 = 99.800 kg/h
W7 = 8.615 kg/hT*
7 = 150 oC
W5 = 36.345 kg/hT*
5 = 80 oC
W3 = 37.544 kg/hx13 = 0,002
T3 = 25 oCf13 = 120 kg/hf23 = 37.424 kg/h
W4 = 1.200 kg/hx*
14 = 0,1
T4 = 80 oCf14 = 120 kg/hf24 = 1.080 kg/h
W12 = 59.969 kg/hT*
12 = 30 oCW12 = 228.101 kg/hT*
12 = 30 oC
W14 = 1.080 kg/hT*
14 = 25 oC
W2 = 99.880 kg/hx12 = 0,0008
T2 = 25 oCf12 = 80 kg/hf32 = 99.800 kg/h
EXTRATOR
Extrato
Rafinado
EVAPORADOR
CONDENSADORRESFRIADORMISTURADOR
BOMBA
1
2
3
4
5
67
8
9
10
11
12
13
14
15
Vd = 11.859 l
*= 0,0833 h
r* = 0,60
Ae = 124 m2
Ac = 119 m2Ar = 361 m2
W15 = 37.425 kg/hT13 = 25 oC
Dimensionamento
incógnitas
L
AVALIAÇÃO
ECONÔMICA
Vd,Ae,Ac,Ar
variáveis de projeto
r,T9,T12OTIMIZAÇÃO
W4,W6,W8,W11,W14
MODELOFÍSICO
variáveis especificadas
W1x11,x14
T1,T2,T5,T6,T7,T8,T10,T11,T14,
r, T9, T12
?
Omitindo r, T9 e T12 na lista deMetas de Projeto
PARÂMETROS
G > 0Otimização
Resultado da Otimização(r, T9, T12)
W6 =5.857 kg/hT*
6 = 150 oC
W10 =24.670 kg/hT*
10 = 80 oCW13 = 24.670 kg/hT13 = 25 oC
W11 = 48.604 kg/hT*
11 = 15 oCW8 = 78.395 kg/hT*
8 = 15 oC
W*1 = 100.000 kg/h
x*11 = 0,002
T*1 = 25 oC
f11 = 200 kg/hf31 = 99.800 kg/h
W7 = 5.857 kg/hT*
7 = 150 oC
W5 = 24.670 kg/hT*
5 = 80 oC
W3 = 25.682 kg/hx13 = 0,004
T3 = 25 oCf13 = 101 kg/hf23 = 25.581 kg/h
W4 = 1.012 kg/hx*
14 = 0,1
T4 = 80 oCf14 = 101 kg/hf24 = 911 kg/h
W12 = 48.604 kg/hT*
12 = 27 oCW9 = 78.395 kg/hT*
9 = 44 oC
W14 = 911 kg/hT*
14 = 25 oC
W2 = 99.898 kg/hx12 = 0,001
T2 = 25 oCf12 = 98 kg/hf32 = 99.800 kg/h
EXTRATOR
Extrato
Rafinado
EVAPORADOR
CONDENSADORRESFRIADORMISTURADOR
BOMBA
1
2
3
4
5
67
8
9
10
11
12
13
14
15
Vd = 10.742 l
*= 0,0833 h
r = 0,506
Ae = 84 m2
Ac = 95 m2Ar = 238 m2
W15 = 25.581 kg/hT13 = 25 oC
FIM DA REVISÃO
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 : multiplicadores de Lagrange 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.
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
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:
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
(1) e (2) em (3) x1 = x2 = 0,35
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
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|
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
Normal
Simulações Sucessivas
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
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* = ???
1.T2 = T1 – Q / W1Cp1
2. T4 = T3 + Q / W3Cp3
4. 3. Q – U A = 0
Normal
Simulações SucessivasQ
Ciclo!
Exemplo: Trocador de Calor
T1* = 80 oC
W1* = 30.000 kg/h
A ??T 2
* ???
W3 ?? T3
* = 15 oC
T4* = ???
1.T2 = T1 – Q / W1Cp1
2. T4 = T3 + Q / W3Cp3
4. 3. Q – U A = 0
Simulações SucessivasQ
Ciclo!
Substituindo 4, 2 e 1 em 3, resulta:
a = T1 – T3b = U A [ 1 / W1 Cp1 – 1 / W3 Cp3]3’. Q = a (eb – 1) / [ eb / W1 Cp1 – 1 / W3 Cp3]1.T2 = T1 – Q / W1Cp1
2. T4 = T3 + Q / W3Cp3
4.
Exemplo: Trocador de Calor
T1* = 80 oC
W1* = 30.000 kg/h
A ??T 2
* ???
W3 ??
T3* = 15 oC
T4* = ???
a = T1 – T3b = U A [ 1 / W1 Cp1 – 1 / W3 Cp3]3’. Q = a (eb – 1) / [ eb / W1 Cp1 – 1 / W3 Cp3]1.T2 = T1 – Q / W1Cp1
2. T4 = T3 + Q / W3Cp3
4. Otimização
Por Hooke&Jeeves
0 < A < 1.0000 < W3 < 100.000
FO = |T2 – 25| + |T4 – 30|