Общая задача оптимального синтеза МКС и ее декомпозиция

ОБЩАЯ ЗАДАЧА ОПТИМАЛЬНОГО СИНТЕЗА МКС И ЕЕ ДЕКОМПОЗИЦИЯ [c.223]

Декомпозиция общей задачи синтеза на отдельные подзадачи (синтез стадии химического превращения, синтез стадии выделения продуктов, синтез теплообменной системы) существенно упрощает проблему разработки технологической схемы, однако снижается и вероятность получения действительно оптимального варианта вследствие неадекватного воспроизведения взаимосвязей между подзадачами. Поэтому процесс выбора технологической схемы является итерационным, с внесением изменений в стратегию поиска оптимального решения на каждой из стадий. [c.107]

На этом фоне переход к более общей задаче и ее содержательная декомпозиция, которая, в частности, может опираться и на перечисленные приемы, создают новые возможности для комплексной и гибкой алгоритмизации оптимального синтеза МКС с нагруженным резервированием. Предлагаемая ниже общая схема алгоритмов декомпозиции представляет один из возможных способов реализации идеи построения итерационных вычислительных процессов с помощью последовательного расщепления общей задачи. Она ориентирована на множественность начальных приближений с целью обработки более широкой области возможных решений и максимального приближения к глобальному оптимуму в решаемой задаче. Кроме того, данная схема рассчитана в принципе на работу в режиме диалога со специалистом-проектировщиком. Однако для практической реализации такого режима до последнего времени не имелось соответствующего алгоритмического и технического обеспечения. Поэтому решение этой проблемы остается предметом дальнейших разработок с целью создания человеко-машинных систем для оптимального проектирования ТПС конкретного типа и назначения. [c.229]

Метод декомпозиции. Основной трудностью, возникающей при синтезе структуры, с заданными общими свойствами, является существование огромного числа возможных вариантов допустимых сочетаний отдельных единиц оборудования, которые к тому же должны быть связаны оптимальным образом. Исследование всех допустимых вариантов схемы, не представляется возможным и методы оптимизации, предназначенные для решения задач с дискретным набором переменных, используются лишь в задачах малой размерности [9]. Таким образом, синтез схемы процесса, начинающийся с детализированного описания единиц оборудования, в общем случае не представляется возможным. [c.7]

В частности, методы разделяются по количеству иерархических уровней (одноуровневые и многоуровневые), по порядку производных, используемых в процессе поиска решения и т. д. Наиболее широкое распространение в задачах анализа и синтеза ХТС находят методы нулевого (без вычисления производных) и первого порядков. Наряду с ними все более широкое применение получают и многоуровневые методы (в частности, двухуровневые), в основе которых лежит идея декомпозиции исходной задачи на ряд подзадач меньшей размерности. Использование линеаризации уравнений математического описания на первом уровне позволяет эффективно применять хорошо разработанный аппарат линейной алгебры. На первом уровне подсистемы рассчитываются независимо друг от друга, а второй уровень служит для координахщи оптимальных решений с целью достижения общего оптимума системы. Стратегия координации решений в целом может осуществляться с использованием алгоритмов явной или неявной декомпозиции. Одно из важных преимуществ метода многоуровневой оптимизации заключается в том, что с его помощью можно существенно сократить время решения общей задачи и требуемый объем оперативной памяти. Сокращение времени расчета может быть достигнутю за счет одновременной оптимизации подсистем с помощью параллельна работающих продессов ЭВМ. Однако следует отметить, что мыо-гоуровневые методы обеспечивают сходимость итерационного процесса только при определенных условиях, налагаемых как на целевую функцию и математическое описание, так и на декомпозицию исходной ХТС на подсистемы (4, 53]. К тому же доказательств условной сходимости многоуровневых методов практически нет. [c.143]

Дополнительно заметим, что поскольку при использовании алгоритма Д-П вместо точного значения оптимума КЭгр применяется его оценка то полученный вариант декомпозиции ИЗС может привести к неоптимальному решению всей задачи синтеза ХТС. Как правило, такая ошибка приводит к несовпадению действительного значения оптимума критерия эффективности синтезированной ХТС с использованной ранее оценкой. Однако эта ситуация может и не произойти, если оценка совпадет с оптимумом КЭ некоторой ХТС с фиксированной неоптимальной технологической топологией, к синтезу которой может привести применение алгоритма, и данная ХТС будет принята за оптимальную. Таким образом, совпадение принятой оценки оптимального значения критерия эффективности с ее истинным значением для синтезированной ХТСч] в общем случае не гарантирует, что полученное с использованием теории элементарной декомпозиции (алгоритма Д-П) решение ИЗС является оптимальным в глобальном смысле. [c.151]

При больщом числе компонентов исследование границ применимости эвристик особенно затруднительно, поэтому сформулируем общую методику применения эвристик для декомпозиции исходной задачи синтеза оптимальной схемы процесса ректификации (в случае неочевидности применшия системы эвристик). [c.114]

С использованием этого метода проводился синтез оптимальной схемы процесса, в состав которого входили два реактора полного перемешивания и две простые ректификационные колонны [13]. В данном случае исследователи не столкнулись с какими-либо трудностями как расчетного, так и общего характера. При большем числе переменных было предложено использовать метод прямой оптимизациии в сочетании с ранее разработанным методом декомпозиции [31]. К общим недостаткам методов прямой оптимизации следует отнести прежде всего то, что все дискретные переменные рассматриваются как непрерывные и возникает проблема соответствия получаемого оптимального решения дискретной природе процесса. В связи с этим следует отметить, что обобщение результатов полученного таким образом решения на целочисленные переменные может привести к неоптимальному решению задачи в целом и, кроме того, возникает большая вероятность определения локальных оптимумов для основных проектных и режимных переменных в пределах неоптимальной структуры [9, 13]. Если учесть также трудности, связанные с разработкой схемы, включающей в себя все возможные структурные связи между элементами системы, то использование методов прямой оптимизации ограничивается задачами синтеза систем очень малой размерности и не имеет практически никаких преимуществ перед другими методами синтеза. [c.10]