«Автоматизация и информатизация ТЭК»

Исследование эффективности эволюционных методов при решении задачи оптимального управления нефтехимическим процессом

УДК: 519.6:004.4
DOI: -

Авторы:

¹ Уфимский университет науки и технологий, Уфа, Россия

Ключевые слова: оптимальное управление, нефтехимический процесс, эволюционные вычисления, генетические алгоритмы, дифференциальная эволюция

Аннотация:

Статья посвящена сравнительному анализу метода дифференциальной эволюции и генетического алгоритма при решении задачи оптимального управления нефтехимическим процессом. Одним из развивающихся направлений в области оптимизации и оптимального управления динамическими процессами являются эволюционные вычисления. Преимуществом эволюционных методов является способность преодолевать попадание в локальный экстремум благодаря механизмам кроссовера и мутации. Приведена общая постановка задачи оптимального управления с ограничениями на параметр управления, для решения которой описаны метод дифференциальной эволюции и генетический алгоритм с вещественным кодированием. Проведен вычислительный эксперимент на модельном примере нефтехимического процесса. Получены численные решения задач оптимального управления нефтехимическим процессом. Проанализированы сходимость и вычислительная сложность рассматриваемых эволюционных методов. В результате сравнения полученных решений задач оптимального управления с аналитическими решениями, найденными на основе принципа максимума Понтрягина, показано их удовлетворительное согласование с точным решением задачи.

Список литературы:

1. Карпенко А.П. Эволюционные операторы популяционных алгоритмов глобальной оптимизации. Опыт систематизации // Математика и мат. моделирование. – 2018. – № 1. – С. 59–89. – DOI: 10.24108/mathm.0118.0000103
2. Численный алгоритм решения задачи оптимального управления с терминальными ограничениями для динамических систем / Е.В. Антипина, С.И. Мустафина, А.Ф. Антипин, С.А. Мустафина // Автометрия. – 2020. – Т. 56, № 6. – С. 132–140. – DOI: 10.15372/AUT20200615
3. Antipina E.V., Mustafina S.A., Antipin A.F. Algorithm of Solving a Multiobjective Optimization Problem on the Basis of a Kinetic Chemical Reaction Model // Optoelectronics, Instrumentation and Data Processing. – 2021. – Vol. 57, Issue 6. – P. 668–674. – DOI: 10.3103/S8756699021060029
4. Трокоз Д.А. Метод параметрической оптимизации для широких нейронных сетей с использованием генетических алгоритмов // Изв. Самарского науч. центра РАН. – 2021. – Т. 23, № 2(100). – С. 51–56. – DOI: 10.37313/1990-5378-2021-23-2-51-56
5. Balancer Genetic Algorithm – A Novel Task Scheduling Optimization Approach in Cloud Computing / R. Gulbaz, A.B. Siddiqui, N. Anjum [et al.] // Applied Sciences. – 2021. – Vol. 11, Issue 14. – P. 6244. – DOI: 10.3390/app11146244
6. Кочуева О.Н. Аппроксимация коэффициента сжимаемости газа на основе генетических алгоритмов // Автоматизация и информатизация ТЭК. – 2023. – № 11(604). – С. 59–68. – DOI: 10.33285/2782-604X-2023-11(604)-59-68
7. Пантелеев А.В., Бортаковский А.С. Теория управления в примерах и задачах: учеб. пособие. – М.: Высш. шк., 2003. – 583 с.