PROGRAMAÇÃO DINÂMICA 27 de maio de 2014 OTIMIZAÇÃO DE SISTEMAS DISCRETOS.

Slides:



Advertisements
Apresentações semelhantes
SISTEMAS DE SUPORTE À DECISÃO
Advertisements

gerador de código intermediário
Amintas engenharia.
A ATIVIDADE DE PESQUISA
Amintas engenharia.
Amintas engenharia.
ANÁLISE DISCRIMINANTE
CONTEÚDO PROGRAMÁTICO
Sinais e Sistemas – Capítulo 3
CAPÍTULO 3 ESTRATÉGIAS DE CÁLCULO 28 de agosto de 2013.
OTIMIZAÇÃO EM ENGENHARIA QUÍMICA
Busca informada (heurística) Parte 2
Método Simplex (Noções iniciais) Sistemas de Equações Lineares
SIMPLEX ANÁLISE COMPLETA ANDERSON BESTETTI 1, EDUARDO RIGHES 1, EVERTON FONTOURA 2, GUILHERME LAZZARI 3, RODRIGO SCHRAMM 3, ROGERIO MARTINS 4 1 {anderson.bestetti,
DEDUÇÃO NO CÁLCULO PROPOSICIONAL
Engenharia de Requisitos Requisito – sistema Caso de uso - usuário
Geração de Alternativas e Análise de Decisão
Introdução aos Sistemas Dinâmicos 3 – Transformada de Laplace
UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA
CAP. 2 COMÉRCIO E TECNOLOGIA: O MODELO RICARDIANO 1
Objetivo Definições Cálculo do teste Exemplo Comentários Bibliografia
ESPECIALMENTE CRIADO PARA OS
Produtos Notáveis 8ª ANO Prof.: Sergio Wagner. Os produtos Produtos notáveis são assim chamados por serem tipos fixos, facilmente reconhecidos, de produtos.
Capítulo 5 Equações slide 1
Programação Linear Universidade Federal de Itajubá – UNIFEI
Informática Teórica Engenharia da Computação
Estatística e Probabilidade
Aula 13 Derivação Implícita, derivadas das funções trigonométricas inversas e derivadas de funções logarítmicas.
CONTROLE II Prof. Samuel Bettoni 21/08/12.
MÉTODOS NUMÉRICOS APLICAÇÃO NO MATLAB
Equações diferenciais ordinárias
EQUILÍBRIO QUÍMICO.
PROGRAMAÇÃO MATEMÁTICA MÉTODO SIMPLEX
Etapas do Projeto DC.IC.15 Data Revisão: 07/04/2017 Início Fim
Programação Linear Universidade Federal de Itajubá – UNIFEI
INICIANDO O PROJETO PROJETO DE ARQUITETURA 3
CAPÍTULO 18 MÚLTIPLOS GRAUS DE LIBERDADE.
Introdução aos Sistemas Dinâmicos
Otimização Paramétrica (Cap. 5)
O Problema de Corte de Estoque
CINEMÁTICA DIFERENCIAL DE MANIPULADORES SERIAIS PROF.: Leo Schirmer
Introdução Prof. Antonio Carlos Coelho
Otimização Numérica de Processos
Pré-sinterização ativada por plasma
Prof. Guilherme Jahnecke Weymar
Aproximação de funções
OTIMIZAÇÃO PARAMÉTRICA
Aula 6 – Ferramentas de Modelagem – Fluxogramas de Processo
2.3 Experimentos Fatoriais 22 Efeitos das Interações
Capitulo 8: Dualidade O que é um modelo Dual?
Universidade Estadual de São Paulo Escola de Engenharia de Lorena Prof. Arnaldo Marcio Ramalho Prata Respiração Microbiana.
Modelagem e Simulação de Processos – Equações Diferenciais
CAPÍTULO 5 OTIMIZAÇÃO PARAMÉTRICA
Universidade Estadual de São Paulo Escola de Engenharia de Lorena
FEAMIG – Faculdade de Engenharia de Minas Gerais
Modelagem Matemática Nathália Jucá Monteiro
2 - Portfólio de Investimentos
Universidade Estadual de São Paulo Escola de Engenharia de Lorena Prof. Arnaldo Marcio Ramalho Prata Respiração Microbiana.
EQE 489 ENGENHARIA DE PROCESSOS Prof. Perlingeiro
UNIDADE 2 – ZEROS DAS FUNÇÕES REAIS
Usando Excel Prof. Rosemberg Trindade. Parte 1 Representação tabular de distribuição com variáveis discretas e contínuas.
Sistemas de Controle III N8SC3
Interpolação Polinomial: Introdução; Lagrange.
Sistemas Inteligentes Busca Cega (Exaustiva)
Os dados a seguir se referem ao procedimento de determinação do coeficiente volumétrico de transferência de oxigênio num sistema de cultivo em frasco agitado.
Programação Linear ADSA António Câmara.
Solução Exercícios da 4ª lista – Parte B (novembro de 2013)
Universidade Estadual de São Paulo Escola de Engenharia de Lorena Prof. Arnaldo Marcio Ramalho Prata Respiração Microbiana.
Proporcionalidade Directa. Aspectos analíticos:  Duas grandezas são directamente proporcionais se a sua razão for um valor constante diferente de zero.
OTIMIZAÇÃO DE SISTEMAS DISCRETOS
Transcrição da apresentação:

PROGRAMAÇÃO DINÂMICA 27 de maio de 2014 OTIMIZAÇÃO DE SISTEMAS DISCRETOS

Considere um sistema constituido de N estágios em série. O dimensionamento deste sistema é um problema de otimização com G = N graus de liberdade tendo x 1... x N como variáveis de projeto Uma forma de conduzir a otimização consiste um realizar uma busca multivariável por um dos métodos conhecidos (H&J, por exemplo). Uma outra forma consiste em realizar N buscas univariáveis. xoxo x2x2 xNxN x N-1 x N-2 12N x1x1 N -1 PROGRAMAÇÃO DINÂMICA

Método criado por Richard Bellman para a otimização de sistemas em estágios. x*ox*o 12NN -1 x1x1 x2x2 xNxN x N-1 x N-2 Aplicações na Engenharia Química baterias de reatores, extratores, torres de destilação, etc...

Base do Método PRINCÍPIO DO ÓTIMO “Optimality Principle” (Bellman) "Para que um sistema em estágios em série seja ótimo é necessário que ele seja ótimo de qualquer estágio em diante". x*ox*o 12NN -1 x1ox1o x2ox2o xNoxNo x N-1 o x N-2 o Todo x i está com o seu valor ótimo

12 Q = kgA/h x o = 0,02 kgAB/kgA W1W1 W2W2 X 1 kgAB/kgAX 2 kgAB/kgA y 1 kgAB/kgAy 2 = kgAB/kgA 3 W3W3 y 3 = kgAB/kgA X 3 kgAB/kgA Exemplo: 3 extratores em série

A solução ótima A solução ótima pode ser obtida pelo método analítico, maximizando o Lucro do processo completo. Incorporando as equações ordenadas ao Lucro: L (x o, x 1, x 2, x 3 ) = (0,02 – x 3 ) – 25 (0,02 / x 1 – x 1 / x 2 – x 2 / x 3 – 3)  L /  x 1 = 0  x 2 = 50 x 1 2  L /  x 2 = 0  x 3 = x 2 2 / x 1  L /  x 3 = 0  x 1 o = 0,01495  x 2 o = 0,01118  x 3 o = 0, W 1 o = W 2 o = W 3 o = 843,7 L o (x o, x 1, x 2, x 3 ) = 21,3 $/h 12 Q = kgA/h x o = 0,02 kgAB/kgA W 1 o = 843,7 kgB/hW 2 o = 843,7 kgB/h x 1 o = 0,015 kgAB/kgA x 2 o = 0,011 kgAB/kgA y 1 = 0,0598 kgAB/kgAy 2 = 0,04472 kgAB/kgA 3 W 3 o = 843,7 kgB/h y 3 = 0,03344 kgAB/kgA x 3 o = 0,0084 kgAB/kgA

12 Q = kgA/h x o = 0,02 kgAB/kgA W 1 o = 843,7 kgB/hW 2 o = 843,7 kgB/h X 1 o = 0,015 kgAB/kgA x 2 o = 0,011 kgAB/kgA y 1 = 0,0598 kgAB/kgAy 2 = 0,04472 kgAB/kgA 3 W 3 o = 843,7 kgB/h y 3 = 0,03344 kgAB/kgA x 3 o = 0,0084 kgAB/kgA Este sistema é ótimo a partir de qualquer estágio Outra solução: este sistema não é ótimo a partir de estágio algum ! 12 Q = kgA/h x o = 0,02 kgAB / kgA W 1 = kgB/hW 2 = 843,7 kgB/h x 1 = 0,01118 kgAB/kgA x 2 = 0, kgAB/kgA y 1 = 0,04472 kgAB/kgAy 2 = 0,03344 kgAB/kgA 3 W 2 = 391,2 kgB/h y 3 = 0,02891 kgAB/kgA x 3 = 0, kgAB/kgA

Solução Ótima: cada Estágio abre mão do seu lucro máximo em favor do lucro máximo do sistema A outra Solução: cada Estágio busca o seu lucro máximo ignorando os Estágios seguintes. 12 Q = kgA/h x o = 0,02 kgAB / kgA W 1 = kgB/hW 2 = 843,7 kgB/h x 1 = 0,01118 kgAB/kgA x 2 = 0, kgAB/kgA y 1 = 0,04472 kgAB/kgAy 2 = 0,03344 kgAB/kgA 3 W 2 = 391,2 kgB/h y 3 = 0,02891 kgAB/kgA x 3 = 0, kgAB/kgA L o' (x o, x 1, x 2, x 3 ) = L 1 o' (x o, x 1 ) + L 2 o' (x 1, x 2 ) + L 3 o' (x 2, x 3 ) = 15,6 + 2,8 + 0,6 = 19 $/h 12 Q = kgA/h x o = 0,02 kgAB/kgA W 1 o = 843,7 kgB/hW 2 o = 843,7 kgB/h X 1 o = 0,015 kgAB/kgA x 2 o = 0,011 kgAB/kgA y 1 = 0,0598 kgAB/kgAy 2 = 0,04472 kgAB/kgA 3 W 3 o = 843,7 kgB/h y 3 = 0,03344 kgAB/kgA x 3 o = 0,0084 kgAB/kgA L o (x o, x 1, x 2, x 3 ) = (0,02 – x 3 o ) – 25 (0,02 / x 1 o – x 1 o / x 2 o –x 2 o / x 3 o – 3) = 21,3 $/h

A forma correta de executar as buscas univariáveis levando em conta os estágios a jusante, é através da PROGRAMAÇÃO DINÂMICA

De uma forma simplificada, pode-se dizer que a solução por Programação Dinâmica é obtida em duas fases: Fase de Ida Fase de Volta

Fase de Ida: o sistema é percorrido no sentido inverso ao do fluxo, do último ao primeiro Estágio. Nesta fase, cada estágio é “consultado” quanto à sua participação na solução ótima, ficando preparado o caminho de volta. 12 Q = kgA/h x o = 0,02 kgAB/kgA W1W1 W2W2 X 1 ? kgAB/kgAX 2 ? kgAB/kgA y 1 kgAB/kgAy 2 = kgAB/kgA 3 W3W3 y 3 = kgAB/kgA X 3 ? kgAB/kgA

Fase de Volta: o sistema é percorrido no sentido do fluxo, do primeiro para o último Estágio. Nesta fase, a solução ótima vai sendo produzida, de estágio a estágio, utilizando as informações colhidas na Fase de Ida. 12 Q = kgA/h x o = 0,02 kgAB/kgA W1W1 W2W2 X 1 o kgAB/kgAX 2 o kgAB/kgA y 1 kgAB/kgAy 2 = kgAB/kgA 3 W3W3 y 3 = kgAB/kgA X 3 o kgAB/kgA

L (x o, x 1, x 2, x 3 ) = L 1 (x o, x 1 ) + L 2 (x 1, x 2 ) + L 3 (x 2, x 3 ) L 1 (x o, x 1 ) = 105 – x 1 – 0,5 / x 1 L 2 (x 1, x 2 ) = x 1 – x 2 – 25 x 1 / x 2 L 3 (x 2, x 3 ) = x 2 – x 3 – 25 x 2 / x 3 Otimização do Estágio 3 para o valor ótimo de volta ainda desconhecido x 2 # : dL 3 /dx 3 = x 2 # / x 3 2 = 0 x 3 o = 0,0791  x 2 # L 3 o = x 2 # - 632,46  x 2 # EXEMPLO: 3 extratores em série xo*xo* 1 x1x1 W1W1 y1y1 2 x2x2 W2W2 y2y2 3 x3x3 W3W3 y3y3 Assim, fica garantido que o Estágio 3 será ótimo para qualquer valor de x 2. Explicitando o lucro proporcionado por cada estágio:

Otimização dos Estágios para o valor ótimo de volta ainda desconhecido x 1 # (aproveitando L 3 o ): dL 23 /dx 2 = 25 x 1 # / x 2 2 – (1/2)(632,46 /  x 2 # ) = 0 x 2 o = 0,1843 x 1 # 2/3 L 23 o = x 1 # – 407,2 x 1 # 1/3 xo*xo* 1 x1x1 W1W1 y1y1 2 x2x2 W2W2 y2y2 3 x3x3 W3W3 y3y3 Do passo anterior: x 3 o = 0,0791  x 2 L 3 o = x ,46  x 2 L 23 = L 2 (x 1, x 2 ) + L 3 o = [ x 1 # – x 2 – 25 x 1 # / x 2 ] + [ x ,46  x 2 ] L 23 = x 1 # - 25 x 1 # / x 2 – 632,46  x 2 Assim, fica garantido que os Estágios 2 e 3 serão ótimos para qualquer valor de x 1.

xo*xo* 1 x1x1 W1W1 y1y1 2 x2x2 W2W2 y2y2 3 x3x3 W3W3 y3y3 Do passo anterior: x 2 o = 0,1842 x 1 2/3 L 23 o = x 1 – 407,2 x 1 1/3 Otimização dos Estágios para a constante x o ( aproveitando L 23 o ): L 123 = L 1 (x o, x 1 ) + L 23 o = [105 – x 1 – 0,5 / x 1 ] + [ x 1 – 407,2 x 1 1/3 ] L 123 = 155 – 0,5/x 1 – 407,2 x 1 1/3 dL 123 /dx 1 = 0,5 / x 1 2 – 135,7 x 1 -2/3 = 0 Retornando, no sentido do fluxo: x 1 o = 0,015 : W 1 o = 843,7 kg/h L 123 o = L o = 21,2 $/a  x 2 o = 0,01842 x 1 2/3 = 0,01118 : W 2 o = 843,7 kg/h x 3 o = 0,07905  x 2 = 0, : W 3 o = 843,7 kg/h

DESENVOLVIMENTO LITERAL

Primeiro passo: otimiza-se o estágio 3 para um valor hipotético x 2 #. xo*xo* 1 x1x1 W1W1 y1y1 2 x2x2 W2W2 y2y2 3 x3x3 W3W3 y3y3 L (x 1, x 2, x 2 ) = L 1 (x o, x 1 ) + L 2 (x 1, x 2 ) + L 3 (x 2, x 3 ) x2#x2# ETAPA PREPARATÓRIA A função objetivo a maximizar é L 3 (x 2 #, x 3 ) e a variável de projeto é x 3. Busca univariável em x 3. Obtem-se x 3 o (x 2 # ) e L 3 o (x 2 # ), ambos função de x 2 #. L 3 o (x 2 # ) será usado no passo seguinte. x 3 o (x 2 # ) fica agurdando o resultado x 2 o a ser determinado na etapa na volta.

xo*xo* 1 x1x1 W1W1 y1y1 2 x2x2 W2W2 y2y2 3 x3x3 W3W3 y3y3 L (x 1, x 2, x 2 ) = L 1 (x o, x 1 ) + L 2 (x 1, x 2 ) + L 3 (x 2, x 3 ) A função objetivo a maximizar é L 23 (x 1 #, x 2, x 3 ) = L 2 (x 1 #, x 2 ) + L 3 (x 2, x 3 ). Porém, para qualquer valor de x 2, já se conhece o valor máximo de L 3. Então, a função objetivo fica: L 23 (x 1 #, x 2 ) = L 2 (x 1 #, x 2 ) + L 3 o (x 2 ) e a variável de projeto fica sendo x 2. Busca univariável em x 2. Obtem-se x 2 o (x 1 # ) e L 23 o (x 1 # ), ambos função de x 1 #. L 23 o (x 1 # ) será usado no passo seguinte. x 2 o (x 1 # ) fica aguardando x 1 o (x 1 # ) a ser determinado na etapa de na volta. x1#x1# ETAPA PREPARATÓRIA Segundo passo: otimizam-se os estágios 2 e 3, em conjunto, para um valor hipotético x 1 #.

A função objetivo a maximizar é L 123 (x o, x 1, x 2, x 3 ) = L 1 (x o, x 1 ) + L 2 (x 1, x 2 ) + L 3 (x 2, x 3 ). Porém, para qualquer valor de x 1, já se conhece o valor máximo de L 23. Então, a função objetivo fica: L 123 (x o, x 1 ) = L 1 (x o, x 1 ) + L 23 o (x 1 ) e a variável de projeto fica sendo x 1. Busca univariável em x 1. Obtem-se x 1 o e L 123 o, ambos função de x o. xo*xo* 1 x1x1 W1W1 y1y1 2 x2x2 W2W2 y2y2 3 x3x3 W3W3 y3y3 L (x 1, x 2, x 2 ) = L 1 (x o, x 1 ) + L 2 (x 1, x 2 ) + L 3 (x 2, x 3 ) Quarto passo: regenera-se a solução final voltando com os valores de x 1 o e x 2 o e x 3 o ETAPA PREPARATÓRIA Terceiro passo: otimizam-se os estágios 1, 2 e 3, em conjunto, para o valor fixo x o *.

A solução analítica se torna inviável para problemas de grande porte. Os resultados intermediários de L o e x i o são lançados em gráficos ou tabelas. Procedimento numérico alternativo A pré-otimização de cada estágio se dá para um conjunto discreto de valores da variável de entrada. Ver ProgramaçãoDinâmica.xls Os de L o são usados durante a pré-otimização Os de x i o são usados no caminho de volta