«Автоматизация и информатизация ТЭК»

Программная реализация генетического алгоритма для определения оптимальных условий процесса олигомеризации этилена

УДК: 519.6:004.4
DOI: -

Авторы:

¹ Уфимский университет науки и технологий, Уфа, Россия

Ключевые слова: каталитический процесс, олигомеризация этилена, оптимальный температурный режим, оптимальная продолжительность реакции

Аннотация:

В статье описываются алгоритм и программа, предназначенные для автоматизации поиска оптимальных значений параметров каталитического процесса олигомеризации этилена. Существенной трудностью, возникающей в процессе поиска решения задач оптимального управления в области химической технологии, является нелинейность моделей каталитических процессов, что затрудняет применение традиционного математического аппарата. Поэтому предлагается подход к решению задач оптимизации химических процессов, который заключается в применении методов эволюционного поиска, в частности генетических алгоритмов. Их особенностью является независимость функционирования от вида математического описания процесса. В статье сформулированы задачи оптимального управления процессом олигомеризации этилена на основе его математической модели и приведен генетический алгоритм для их численного решения. Описано программное обеспечение, позволяющее вычислить оптимальный температурный режим, оптимальную продолжительность реакции, а также осуществить одновременный поиск оптимальных значений времени и температуры. Приведены результаты расчетов, полученные с помощью разработанной авторами программы.

Список литературы:

1. Kozuch D.J., Stillinger F.H., Debenedetti P.G. Genetic Algorithm Approach for the Optimization of Protein Antifreeze Activity Using Molecular Simulations // J. of Chemical Theory and Computation. – 2020. – Vol. 16, Issue 12. – P. 7866–7873. – DOI: 10.1021/acs.jctc.0c00773
2. Antipina E.V., Mustafina S.A., Antipin A.F. Algorithm for 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
3. 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
4. Job Shop Scheduling Problem Optimization by Means of Graph-Based Algorithm / J. Stastny, V. Skorpil, Z. Balogh, R. Klein // Applied Sciences. – 2021. – Vol. 11, Issue 4. – P. 1921. – DOI: 10.3390/app11041921
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. Jalali Z., Noorzai E., Heidari S. Design and optimization of form and facade of an office building using the genetic algorithm // Science and Technology for the Built Environment. – 2020. – Vol. 26, Issue 2. – P. 128–140. – DOI: 10.1080/23744731.2019.1624095
7. Xie Linlin, Chen Yajiao, Chang Ruidong. Scheduling Optimization of Prefabricated Construction Projects by Genetic Algorithm // Applied Sciences. – 2021. – Vol. 11, Issue 12. – P. 5531. – DOI: 10.3390/app11125531
8. Migov D.A., Volzhankina K.A., Rodionov A.S. Genetic Algorithms for Drain Placement in Wireless Sensor Networks Optimal by the Reliability Criterion // Optoelectronics, Instrumentation and Data Processing. – 2021. – Vol. 57, Issue 3. – P. 240–249. – DOI: 10.3103/S8756699021030110
9. 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
10. Волков А.А., Булучевский Е.А., Лавренов А.В. Кинетика олигомеризации этилена на катализаторе NiO/B2O3-Al2O3 в жидкой фазе // Журн. СФУ. Серия: Химия. – 2013. – Т. 6, № 4. – С. 352–360.