Tìm hiểu về thiết bị optimizer trong hysys

Tìm hiểu về thiết bị optimizer trong hysys

TRƯỜNG ĐẠI HỌC MỎ ĐỊA CHẤT

Đề tài: Tìm hiểu về thiết bị Optimizer trong Hysys

Giáo viên hướng dẫn:

MỤC LỤC

Contents

HYSYS bao gồm một trạng thái ổn định với nhiều thay đổi Optimizer Một dòng quátrình của bạn đã được xây dựng và đã thu được một giải pháp hội tụ, bạn có thể sử dụngOptimizer để tìm các điều kiện hoạt động và tối giản ( hoặc tăng tối đa) một ObjectiveFunction Hướng thiết kế đôi tượng của HYSYS làm cho Optimizer cực kỳ mạnh, khi nóchọn ngẫu nhiên một khoảng rộng của các biến quá trình cho việc tối ưu hóa của bạn Optimizer tự làm chủ Spreadsheet cho việc định nghĩa Objective Funciton, như sự biểudiễn các mối quan hệ được sử dụng Tính linh hoạt của phương pháp này cho phép bạn,cho ví dụ, cấu trúc Objective Function thuận lợi hơn cho giá trị lớn nhất, các tiện ích nhỏnhất hoặc Exchange UA nhỏ nhất Các thuật ngữ tiếp theo đã được sử dụng để diễn tảOptimizer

Objective

Function Các hàm này được tối giản hoặc tăng tối đa Có rất nhiều tính linhhoạt trong việc diễn tả Objective Function; biến cở bản có thể rất quan

trọng và các hàm được định nghĩa trọng phạm vi OptimizerSpeadsheet, chúng có nhiều khả năng của dòng quá trình phổ biến.Constraint

Functions

Các hàm quan hệ bất phương trình thức và phương trình có thể đượcxác định trong Optimizer Spreadsheet Một ví dụ của một quan hệ là 2biến của sản phẩm phù hợp trong bất phương trình ( -A*B < K)

Các phương pháp Box, Mixed và Sequential Quadratic Programming

có biến cho quan hệ nhỏ nhất với bất phương trình Chỉ các phươngpháp Original và Hyprotech SQP có thể vận dụng mối quan hệ củaphương trình

Các phương pháp Fletcher-Reeves có biến cho các vấn đề tối ưu hóakhông quan hệ

13.1.1 Tổng quan chung Optimizer

Để mở Optimizer, chọn lệnh Optimizer từ menu Similation, hoặc ấn F5

Khi bạn mở Optimizer lần đầu, sẽ xuất hiện như hình dưới

Số lượng của các bảng trong Optimizer hiển thị các thay đổi phụ thuộc vào hình thứcbạn chọn Optimizer Bảng đầu, được gọi là bảng Configuration, không giữ nguyên nộidung hình thức của Optimizer mà bạn chọn

Có ba nút thay đổi hiển thị trong Optimizer, không có nội dung mà bảng được hiển thị,hoặc hình thức của Optimizer có thể được lựa chọn

Nút Miêu tả

Delete Xóa bỏ tất cả các thông tin hiện tại từ Optimizer và Spreadsheet

Spreadsheet Truy cập Spreadsheet chuyên dụng của Optimizer

Start/Stop Khởi động hoặc dừng việc tính toán Optimizer Một hàm mục phải

được xác định trước khi bắt đầu tính toán

13.1.2 Bảng Configuration

Bảng Configuration cho phép bạn chọn phương thức Optimizer mà bạn muốn, bằng lựachọn nút thích hợp trong nhóm Data Model

HYSYS có 5 hình thức của Optimizer:

• Original Mặc định lựa chọn từ HYSYS 2.4 Hướng dẫn trong phần 13.2-Original

Optimizer cho nhiều thông tin hơn

• Hyprotech SQP Optimizer mới thay đổi cho HYSYS 3.0 Hướng dẫn mục Hyprotech SQP Optimizer cho nhiều thông tin hơn.

13.3-• MDC Optim Lựa chọn Optimization từ HYSYS 2.4 Hướng dẫn trong chương Optimizer trên Aspen RTO Reference Guide cho nhiều thông tin hơn.

3-• DataRecon Lựa chọn DataRecon từ HYSYS 2.4 Hướng dẫn trong chương DRU Overview trên Aspen RTO Reference Guide cho nhiều thông tin hơn.

5-• Selection Optimization Lựa chọn Selection Optimization thay đổi cho HYSYS 3.1 Hướng dẫn ở mục 13.4-Selection Optimization cho nhiều thông tin hơn

13.2 Original Optimizer

Để truy cập Original Optimizer:

1. Trong bảng Configuration, chọn nút Orginal trên nhóm Data Model, sẽ hiển thịnhư hình dưới

2. Original Optimizer hiển thị bao gồm các bảng tiếp theo:

• Configuration

• Variable

Khi bạn làm xuất hiện Optimizer lần đầu, bảng Variables xuất hiện như hình dưới:

Trong bảng Variables, bạn có thể nhập các biến cơ bản như giá trị nhỏ nhất hoặc lớn

nhất cho hàm mục tiêu Một vài biến quá trình có thể thay đổi có thể sử dụng như cácbiến cơ bản Có thể thêm các biến mới qua Variables Navigator 5 nút ở dưới đáy củabảng cho phép bạn thay đổi bằng tay

Nút Miêu tả

Add Cho phép bạn them các biến cơ sở Khi bạn kích vào nút này sẽ xuất

hiện Variable Navigator, và bạn có thể chọn biển mà bạn muốn từdanh sách hiển thị

Edit Cho phép bạn chỉnh sửa các biến cơ sở đã chon cho biến cần thay đổi

mà bạn muốnDelete Cho phép bạn xóa bỏ các biến đã lựa chọn

Save Curent Chứa các giá trị đã thiết lập lại

Reset Current Thiết lập lại các giá trị hiện tại cho các giá trị cài đặt lại

Tất cả các biến phải giới hạn trên và dưới, các biến sử dụng tiêu chuẩn hóa PrimaryVariable:

Giới hạn trên và dưới cho mỗi Primary Variable nên chọn các dòng quá trình cơ sở để đạtđược trong toàn bộ phạm vi Ví dụ, giả sử rằng Primary Variable có Molar Flow củadòng nguyên liệu từ bề mặt của ống trao đổi nhiệt Nếu Molar Flow này quá thấp, tổn thấtnhiệt độ có thể dẫn đến trao đổi nhiệt trong ống, do đó các tính toán Optimizer sẽ dừnglại Trong trường hợp này, giới hạn dưới được lựa chọn sao cho tổn thất nhiệt không xảyra

13.2.2 Bảng Functions

Bảng Functions bao gồm 2 miền, 2 nút và nhóm Constraints Functions

Optimizer có Spreadsheet mà được sử dụng dành cho phát triển các hàm mục tiêu,nhưmột vài mối quan hệ của các hàm được sử dụng Optimizer Spreadsheet đồng nhất hoạtđộng của Spreadsheet, có thể gắn liền với các biến quá trình bằng kéo xuống và làmgiảm, hoặc sử dụng Variable Navigator Một trong các biến quá trình cần thiết đã được

kết nối đến Spreadsheet, bạn có thể xấy dựng Objective Function và một số quan hệ sửdụng cú pháp tiêu chuẩn.

Bạn có thể chỉ rõ Objective Function trên trường Cell Giá trị hiện tại của các hàm mụctiêu được cung cấp hiển thị bên dưới trường Cell Hơn nữa, hàm mục tiêu được chỉ rõ vịtrí ở đâu mà bạn có thể xác định giá trị nhở nhất, lớn nhất trong hàm mục tiêu

Constraint Function có ở nơi mà bạn có thể chỉ rõ bên trái hay bên phải của hàm quan

hệ ( trên LHS và cột RHS Cell) Chỉ rõ mối quan hệ giữa cột giá trị hiện tại bên trái vàbên phải ( LHS>RHS, LHS<RHS, LHS=RHS) trên cột Cond Constraints Function tănglên bởi Penatly Value trên các tính toán Optimization Nếu bạn tìm thấy rằng mối quan hệkhông thỏa mã , tăng Penatly Value, Penatly Value cao hơn, khối lượng nhiều hơn phù

hợ với các quan hệ Penatly Value là phương trình mặc định bậc một

Giá trị hiện tại của Objective Function và giá trị trái và phải của Constraint Function xuấthiện trên trường tương ứng

13.2.3 Parameters Tab

Parameters Tab được sử dụng để lựa chọn Optimization Scheme (sơ đồ tối ưu hóa) vàđịnh nghĩa liên kết các thông số

Các thông số có sẵn được miêu tả trong bảng dưới đây:

Các thông số Miêu tả

Scheme (sơ đồ) Bạn có thể lựa chọn loại sơ đồ từ một danh sách có lựa chọn có sẵn

Tìm hiểu thêm thông tin về sơ đồ tối ưu trong phần Section 13.2.5– Optimization Schemmes

Shift A/Shift B Đạo hàm của của hàm mục tiêu và/ hoặc hàm phụ thuộc với sự chú

ý đến các biến cơ sở thông thường cần phải có và được tính sửdụng phép vi phân số

Phép đạo hàm số được tính dựa trên mối quan hệ sau:

Xshift = Shift A*x + Shift BTrong đó:

X : biến gây nhiễu (tiêu chuẩn hóa)

Xshift : khoảng di chuyển (tiêu chuấn hóa)Đạo hàm được tính:

Trong đó:

y2: giá trị của biến giả sử tướng ứng với giá x + x shift

y1: giá trị của biến giả sử tương ứng với giá trị xTrước mỗi bước, bộ tối ưu hóa cần xác định gradien của mặt phẳngtối ưu tại vị trí hiện tại bộ tối ưu hóa sẽ di chuyển mỗi biến cơ sởmột giá trị xshift (so với Shift A(khoảng thay đổi A) và Shift B(khoảng thay đổi B) chỉ là một bước rất nhỏ) Đạo hàm sau đó đượcđánh giá cho mỗi hàm số ( hàm mục tiêu và hàm phụ thuộc) sửdụng các giá trị của y tại 2 ví trí của x từ thông tin này và lịch sử

bộ tối ưu, chiều và khoảng nhảy tiếp theo sẽ được chọn

13.2.4 Monitor Tab

Monitor tab mô tả các giá trị của hàm mục tiêu, các biến cơ sở, các hàm phụ thuộc suốtcác quá trình tính toán của bộ tối ưu hóa (optimizer) Thông tin mới được cập nhật chỉkhi có sự cải tiến trong các giá trị của hàm mục tiêu Những giá trị phụ thuộc là dươngnếu bất đẳng thức phụ thuộc được thỏa mãn và âm nếu như bất đẳng thức phụ thuộckhông thỏa mãn

13.2.5 Optimization Schemes

Những phần dưới đây mô tả các sơ đồ tối ưu hóa (Optimization) cho bộ tối ưu hóa gốc(Original Optimizer)

Thiết lập hàm số (function setup)

Bộ tối ưu hóa thiết lập bằng tay các giá trị cho một tập hợp các biến cơ sở theo một trật

tự để cực tiểu hóa (hoặc cực đại hóa) một hàm mục tiêu do người dùng định nghĩa, đãxây dựng từ số lượng bất kì của các biến quá trình

Min f(x1, x2, x3, … , xn)Trong đó: x1, x2, x3, … , xn : là các biến quá trình

Mỗi biến cơ sở , x0, có thể được thiết lập bằng tay khoảng giá trị đặc trưng:

với

Phương trình và các bất phương trình phụ thuộc tổng quát có dạng:

Những hàm phụ thuộc thông thường không nên sử dụng các biến cơ sở

Tất cả các biến cơ sở được tiêu chuẩn hóa trong khoảng từ giới hạn bé tới giới hạn lớn.Bởi vậy, các giới hạn hợp lí phải được ghi rõ Các giới hạn biến quá lớn hoặc quá nhỏ cầnphải tránh vì chúng có thể dẫn đến các vấn đề sốtrị khi xác lập tỷ lệ Một điểm bắt đầugốc phải được ghi rõ, và nó nên nằm trong vùng có khả năng thực hiện Sự phụ thuộc làkhông bắt buộc cũng không được khuyến khích đối với tất cả các sơ đồ tối ưu hóa

Nếu HYSYS sai trong việc đánh giá các hàm mục tiêu hoặc bất kì một hàm phụ thuộcnào, bộ tối ưu sẽ giảm số bước phát sinh đối với biến cơ sở cuối cùng đi còn một nửa sơ

đồ quá trình sau đó sẽ được tính toán Nếu sự đánh giá hàm vẫn không thành công, quátrình tối ưu hóa sẽ dừng lại

Theo mặc định, bộ tối ưu hóa được cài đặt để cực tiểu hóa hàm mục tiêu Một nút nổiMaximize (cực đại hóa) có sẵn trong Functions tab nếu bạn muốn cựa đại hóa hàm mụctiêu Bên trong bộ tối ưu hóa đơn giản sẽ đảo lại các kí hiệu

BOX Method (phương pháp BOX)

Phương thức rất lỏng lẻo đặt trên cơ sở phương pháp “Complex” của BOX1; thuật toánDownhill Simplex của Press2 và các cộng sự và thuật toán BOX của Kuester và Mize3 Phương pháp BOX là một chuỗi nghiên cứu kỹ thuật để giải quyết những vấn đề với cáchàm mục tiêu phi tuyến, đưa ra các bất đẳng thức phụ thuộc phi tuyến Không có đạohàm nào cần phải tính Nó quản lí các bất đẳng thức phụ thuộc nhưng không quản lí cácđẳng thức phụ thuộc phương pháp BOX không có hiệu quả nhiều trong điều kiện sốlượng cần phải có các đánh giá hàm Phương pháp nói chung yêu cầu một số lượng lớn

của các bước lặp để hội tụ trong phép giải Tuy nhiên, nếu áp dụng được, phương phápnày có thể rất mạnh.

Phương thức:

1 Cho một điểm bắt đầu khả dụng, vấn đề sẽ phát sinh ra một “complex” (phức tạp)gốc của n + 1 điểm xung quanh trung tâm của vùng khả dụng (trong đó n là sốlượng các biến)

2 Hàm mục tiêu sẽ được đánh giá tại mỗi điểm Điểm có giá trị hàm cao nhất đượcthay thế bởi một điểm thu được bằng việc ngoại suy qua mặt phức hệ đi đi qua từđiểm giá trị cao đó (sự phản chiếu)

3 Nếu điểm mới chọn phù hợp làm giảm giá trị hàm mục tiêu, HYSYS thử một phépngoại suy cộng Mặt khác, nếu điểm mới chọn xấu hơn điểm cao nhất thứ 2,HYSYS sẽ làm một phép rút gọn một chiều

4 Nếu một điểm vẫn còn cho nhũng giá trị lớn, tất cả các điểm sẽ được rút gọn xungquanh điểm thấp nhất

5 Điểm mới phải thỏa mãn cả hai điều kiện, giới hạn biến và bất đẳng thức phụthuộc Nếu nó vi phạm giới hạn, nó được đưa về giá trị giới hạn nếu nó vi phạmbất đẳng thức, điểm sẽ được tăng lên vào khoảng trung tâm các điểm còn lại tớikhi bất đẳng thức được thỏa mãn

6 Các bước từ bước số 2 tới bước số 5 được lặp đi lặp lại nhiều lần cho tới khi hộitụ

Phương thức thực hiện hoàn toàn dựa trên cơ sở của chương trình con Harwell VF13 vàVE174 Vấn đề bám sát chặt chẽ với thuật toán của Powell5

Nó cực tiểu hóa một sấp xỉ bậc 2 gần đúng của hàm Lagrangian đưa ra một sấp xỉ tuyếntính của các phụ thuộc Thứ 2, đạo hàm ma trận của hàm Lagrangian được đánh giá tựđộng một phương thức nghiên cứu thẳng sử dụng kỹ thuật “watchdog” (Chamberlain vàPowell6) được sử dụng để thúc đẩy sự hội tụ.

Mixed method (phương pháp trộn).

Phương pháp Mixed cố gắng đạt được ưu điểm các đặc trưng sự hội tụ toàn bộ củaphương pháp BOX và hiệu quả của phương pháp SQP Nó bắt đầu cực tiểu hóa vớiphương pháp BOX sử dụng một mức hội tụ rất lỏng lẻo (mức yêu cầu 50 lần)

Phương pháp Fletcher Reeves

Các thủ tục tiến hành là sự thay đổi Polak – Ribiere của giản đồ gradient liên hợp

Fletcher – Reeves Được hoàn thiện sau cùng nhờ Press và các cộng sự, với sự cải tiến cho phép phù hợp với các giới hạn biến cao hơn và thấp hơn Phương pháp này áp dụng cho sự cực tiểu hóa tổng quát mà không có sự phụ thuộc Phương pháp sử dụng cho việc tìm kiếm một chiều có thể được thấy trong mục tham khảo 2, ở cuối chương này

Thủ tục:

1 Đưa ra một điểm khởi đầu giả định cho đạo hàm của hàm mục tiêu với sự chú ý đến các biến cơ sở

2 Giả định một chiều tìm kiếm mới liên hợp với gradient cũ

3 Biểu diễn sự tìm kiếm một chiều dọc theo chiều mới cho tới khi giá trị tối thiểu quỹ tích được đạt tới

4 Nếu bất kì biến nào vượt quá giới hạn của chúng, cần trả lại chúng vào trong khoảng giới hạn

5 Lặp lại các bước từ 1 tới 4 cho tới khi hội tụ

Phương pháp Quasi – Newton

Phương pháp Quasi – Newton của Broyden – Fletcher – Goldfarb – Shanno (BFGS) theo Press và các cộng sự đã được bổ sung Trong điều kiện áp dụng và các hạn chế, phương

pháp tương tự như phương pháp Fletcher – Reeves Phương pháp này tính toán chiều tím kiếm mới từ sự xấp xỉ nghịch đảo Ma Trận Dạng Hess.

13.2.6 các mẹo đối với bộ tối ưu hóa (optimizer tips)

Dưới đây cung cấp các mẹo cho bộ tối ưu hóa nguyên bản (Original Optimizer)

1 Giợi hạn biến phù hợp (lớn và nhỏ) là vô cùng quan trọng Sự cần thiết này không chỉ ngăn ngừa những điều kiện xấu sơ đồ quá trình (ví dụ: sự truyền nhiệt chéo trong thiết bị trao đổi nhiệt) mà còn bởi vì các biến tỉ lệ trong khoảng từ 0 đến 1 trong thuật toán tối ưu sử dụng các giới hạn này

2 Trong phương pháp BOX và Mixed, giá trị cực đại thay đổi/ lặp lại của các biến

cơ sở (cài trong tab Parameters) nên được giảm đi Giá trị 0.05 hoặc 0.1 sẽ thích

5 Bằng cách mặc định các mức cực tiểu bộ tối ưu cho hàm mục tiêu, bạn có thể cực

đại hóa các hàm mục tiêu bằng cách chọn nút nổi Maximize trong tab Funtions.

13.3 Bộ tối ưu hóa Hyprotech SQP

Hyprotech SQP là một thuật toán lập chương trình bình phương liên tục (SQP) kết hợp với một hàm giá trị L1 và một phương pháp xấp xỉ ma trận Hess của lagrangian Thuật toán là nét đặc biệt của việc thu hẹp kích thước bước nhảy, xác định tỉ lệ biến quyết định

và hàm mục tiêu, phương pháp cảnh giới cơ bản, và một phép thử hội tụ tương đối độc lập một qui mô và vấn đề Thuật toán cũng đảm bảo rằng phương pháp được đánh giá chỉ

ở những điểm thuận lợi cùng với sự chú ý đến các giới hạn biến

Để truy cập bộ tối ưu hóa Hyprotech SQP

1 Trên tab Configuaration, chọn nút nổi Hyprotech SQR trong nhóm Data Model

như hình vẽ dưới đây:

2 Trong hộp thoại Hyprotech SQP optimizer có chứa 2 tab:

• Configuration

• Hyprotech SQR

Tab Configuration đã được thảo luận trong phần 13.1.2 – Configuration Tab, phần dưới

đây sẽ miêu tả tab Hyprotech SQP

Thanh Hyprotech SQP

Thanh Hyprotech SQP chỉ có khi bạn lựa chọn Hyprotech SQP từ Configuration

Hyprotech SQP cho phép bạn sử dụng cấu hình setup và flags bằng cách lựa chọn cấu hình tương ứng trong nhóm Configuration

Lựa chọn Setup

Khi bạn lựa chọn Setup từ nhóm Configuration, Hyprotech SQP sẽ xuất hiện một bảng như sau:

Ô Starting Objective đứng ở cuối bảng đưa ra giá trị ban đầu của hàm mục tiệu trước khi thực hiện bất kỳ quá trình tối ưu hóa nào Giá trị này không có tỷ lệ và bạn không thể thay đổi giá trị này

Các thông số trong Setup option được phân ra thành 2 nhóm sau:

Objective Scale Factor Sử dụng một hệ số tỷ lệ cho hàm mục tiêu Giá trị

dương đước sử dụng là –is, giá trị âm sử dụng hệ số abs ( scale * F ) ( ờ đây F là giá trị ban đầu của hàm mục tiêu ) và giá trị 0.0 thường tự động xuất hiện

Gradient Calculations Chỉ rõ nếu một bên ( ở trước ) hoặc 2 bên ( trung tâm )

khác nhau được sử dụng cho tính toán sự sai lệch

Trong cả 2 trường hợp, sư sai lệch về kích thước sử dụng cho các biến bên trong bộ tối ưu hóa được đưa ra trong gói đặc tính nhiễu.

Diagnostic Print Level Lựa chọn lượng thông tin để chèn vào tệp chuẩn đoán

tối ưu hóa ( optimizer diagnostic files )

Accuracy Tolerance Dung sai của độ chính xác tương đối được sử dụng

trong phép hội tụ Phép thử độ hội tụ được dùng với Tổng hội tụ ≤ ≤

Sai số tối ưu hóa x max (

( )

F x

,1.0)Trong đó:

Tổng hội tụ

Tổng hội tụ là tổng tải trọng của sự cải thiện hàm mục tiêu có thể và sự vi phạm các điều kiện liên kết, và có đơn vị giống như hàm mục tiêu Điều này cho phép thông số độ dung sai tương tự được sử dụng cho các vấn đề khác và làm phép thử độ hội tụ phụ thuộc sự chia tỷ lệ hàm mục tiêu

Step Restriction Một phương pháp nghiên cứu hệ số thu hẹp kích thước

bước sử dụng cho phép lặp thứ 3 Những giá trị lớn hơn 1.0 lần kết quả trong số các bước thu hẹp Đặt cái

hệ số 1.0, 10-1, 10-2,… với những sự thu hẹp lớn hơn

Perturbation ( Sự nhiễu

loạn, sai số) Sự thay đổi trong thang chia kích thước của các biến được dùng để đánh giá sự sai lệch Những biến riêng lẻ

được chia theo những đặc tính của biến lớn nhất và nhỏnhất ( hoặc theo khoảng đặc tính nếu khoảng đặc tính của biến chỉnh sửa được kích hoạt )

Nhóm Running Results

Nhóm Running Results bao gồm những thông số sau:

Objective Value Đưa ra mô hình dòng những giá trị của hàm

mục tiêu được tính toán bằng quá trình tối

ưu hóa

Termination Reason Đưa ra trạng thái hoàn thành của quá trình

tối ưu hóa Những giá trị này bao gồm Running, Step convergence ( các bước hội tụ), Unbounded , Impossible, Not run, và Stopped

Feasible Point Iterations ( Số điểm lặp thực

hiện được ) Đưa ra số lần lặp nhỏ từ phép lặp chính cuối cùng.Total CPU Time Báo cáo thời gian để giải quyết vấn đề tối

ưu hóa

Solution Phase Đưa ra tiến độ hiện tại của thuật toán tối ưu

hóa Những giá trị này bao gồm Initialize ( Điểm đầu), Setup, OPT Deriv, OPT Search, và Results

Gradient Evaluations ( Đánh giá độ chênh

lệch )

Báo cáo số sự định giá mức độ chênh lệch trong suốt quá trình tối ưu hóa

Model Evaluations Báo cáo chỉ số đánh giá mô hình đã thực

hiện trong suốt quá trình tối ưu hóa

Results

Results đưa ra kết quả ở cuối của quá trình tối ưu hóa như sau:

• Những giá trị liên quan đến quá trình tối ưu hóa, những biến và hàm mục tiêu

• Những giá trị của vùng tối đối với các liên kết có hiệu lực

• Nguyên nhân của sự kết thúc

• Số lần lặp lại và thời gian thực hiện của CPU

Một số kết quả được đề cập ở trên có thể tìm ờ nhóm Running Results, và các kết quả khác được tìm thấy ở ứng dụng Derivative

Lựa chọn Flags:

Nếu bạn lựa chọn ô Flags từ nhóm cấu hình Configuration, thanh công cụ Hyprotech SQP xuất hiện như hình ở dưới đây:

e

Bảng dưới đây giải thích những giá trị trong nhóm Flags:

Relax Violated Constrants Không sử dụng

Include Fixed Constraints Nếu ô này được kích hoạt sau đó các biến

tối ưu hóa có thuộc tính cùa gói Flag trong quá trình tối ưu hóa nếu chúng bằng giá trị lớn nhất và nhỏ nhất

Include Scales Bao gồm những thuộc tính của biến như hệ

số tỷ lệ trong các thuật toán

13.4 Tối ưu hóa lựa chọn - SELECTION OPTIMIZATION

Sự tối ưu hóa lựa chọn bao gồm các thuật toán giải quyết các bài toán của chương trìnhkhông tuyết tính số nguyên hỗn hợp (Mixed integer Non-Linear Programming –MINLP),trong đó hàm mục tiêu được tối thiểu hóa bởi sự điều chỉnh cả những biến quyết định giátrị thực và những biết quyết định giá trị nhị phân Những biến nhị phân hay biến trạngthái rời rạc này có thể được sử dụng để biểu diễn trạng thái của thiết bị ( Mở, Tắt, Khônghoạt động, và luôn hoạt động) trong tiện ích đạo hàm Derivative utility Những thuật toánnày cố gắng lựa chọn một sự hợp nhất của các biến trạng thái rời rạc sao cho cả hai thỏa

mãn sự ràng buộc, và tối thiểu hóa hàm mục tiêu Có hai phương pháp của chương trìnhkhông tuyến tính số nguyên hỗn hợp: Ngẫu nhiên (được biết đến như phương pháp môphỏng luyện kim), và phương pháp nhánh cận Những phương pháp này sử dụng các bộtối ưu hóa (Hyprotech SQP, và MDC Optim) chương trình không tuyến tính (NLP) đểgiải các vấn đề phụ.

Để truy cập vào mục tối ưu hóa lựa chọn:

1 Trong thẻ Configuration, ấn vào nút Selection Optimization trong nhóm DataModel như hình dưới

2 Click vào thẻ Selection Optimization

13.4.1 THẺ SELECTION OPTIMIZATION

Thẻ SELECTION OPTIMIZATION cho phép bạn lựa chọn và thiết lập dạng chươngtrình giải toán rời rạc và khối tối ưu hóa không tuyến tính Hai nhóm cơ bản này có sẵntrong thẻ SELECTION OPTIMIZATION:

Discrete solver Options Bạn có thể lựa chọn bộ giải ngẫu nhiên hay nhánh cận bởi

click vào nút thích hợp như hình dưới Phụ thuộc vào dạng bộ giải rời rạc bạn lựa chọn,những nhóm phụ them sẽ xuất hiện

Non Linear Optimization configuration Có sẵn hai bộ tối ưu hóa không tuyến tính:

Hyprotech SQD, và MDC Optim Bạn có thể lựa chọn khối không tuyến tính bởi clickvào nút tương ứng

Tùy thuộc vào bộ tối ưu hóa bạn lựa chọn, những thẻ phụ sẽ xuất hiện trên Optimizerview cho sự thiết lập cấu hình tiếp theo

Những phần tiếp theo sẽ mô tả những phương pháp giải rời rạc nhánh cận và ngẫunhiên

Phương pháp ngẫu nhiên

Phương pháp ngẫu nhiên là một thuật toán mô phỏng luyện kim xuất phát từ cơ họcthống kê để tìm ra giải pháp tối ưu trong bài toán đạo hàm không tuyến tính.

Thuật toán này dựa trên sự tương đồng giữa sự tôi luyên chất rắn và sự tối ưu tổ hợp.Những sự tương như sau:

- Những trạng thái của chất rắn trong ram thép thể hiện những giải pháp khả thi củabài toán tối ưu

- Những trạng thái năng lượng trong quá trình ram thép phù hợp với lời giải tối ưu

- Sự làm nguội nhanh phải phù hợp với điều kiện tối ưu cục bộ trong bài toán tối ưu.Tại nhiệu độ đưa ra, sự phân bố xác suất năng lượng hệ thống được xác định bởi hàmBoltmann:

P(E): xác suất của hệ thống trong trạng thái năng lượng E

Thuật toán mô phỏng quá ram thép thực hiện trong phương pháp ngẫu nhiên sử dụngmột tiêu chuẩn tương tự hàm xác suất Boltzman Tiêu chuẩn định rõ rằng nếu sự khácbiệt giữa những giá trị hàm mục tiêu của phương án đưa ra hiện tại và mới phải cân bằngnhau hoặc lớn khơn 0, một số ngẫu nhiên ∂ với sự phân bố đồng nhất [0,10] được tạo ra.Nếu số ngẫu nhiên thỏa mãn điều kiện:

∂ ≤ e-ΔE/T

Như vậy những phương án mới đưa ra được chấp nhận như những phương án hiện tại,nếu không phương án hiện tại sẽ không thay đổi.

Một khi trạng thái được lựa chọn dựa trên tiêu chuẩn trên, lời giải cho bài toán sẽ thuđược bằng việc sử dụng sự tối ưu hóa không tuyến tính

Phương pháp ngẫu nhiên gồm 2 nhóm:

- Thông số ngẫu nhiên

- Đầu ra sự tối ưu hóa ngẫu nhiên

Những thông số ngẫu nhiên

Những thông số ngẫu nhiên bao gồm 3 thông số sau:

(Giới hạn thời gian – Phút)

Cho phép bạn chỉ rõ thời gian chạy của thuật toán,khi đạt đến thời gian giới hạn thuật toán sẽ kếtthúc bài toán đang giải

Giá trị mặc định là 2 phútAnnealing temperature

(Nhiệt độ ram)

Cho phép bạn chỉ rõ nhiệt độ được sử dụng trongtiến trình của bài toán tối ưu hóa để tìm phương

án tối ưu Như những quy tắc thong thường, nhiệt

độ ram nên cùng cấp với quy mô của hàm mụctiêu tốt nhất

Giá trị mặc định là 1.000e-003

Đầu ra sự tối ưu hóa ngẫu nhiên

Trong nhóm Stochastic Optimization, bạn có thể thấy giá trị hàm mục tiêu tốt nhất(Best objective function) trong sự tối ưu hóa dựa trên các thong số đã được đặt trongnhóm Stochastic parameters

Phương pháp nhánh cận

Phương pháp nhánh cận trước hết giải quyết bài toán MINLP như một bài toán NLPbởi việc giảm bớt giới hạn số nguyên, do đó, những phép tính có thể đồng quy với mộtdung sai số nguyên ít sát hơn Phương pháp này tiếp tục bằng việc thực hiện một tìmkiếm có hệ thống của những phương án kế tiếp (gọi là nút - Nodes), trong đó những biến

số nguyên bắt buộc phải nhận những giá trị nguyên Quá trình này được biết như là sựphân nhánh Cấu trúc tập hợp này của bài toán thu được dạng của một cái cây Tiến trìnhphân nhánh và giải quyết một dãy bài toán kế tiếp được thực hiện lien tục cho đến khi lờigiải số nguyên khả thi được tìm ra Giá trị của hàm mục tiêu trở thành một cận trên củamục tiêu của bài toán MILNP Tại điểm này, toàn bộ những phương án mà giá trị hàmmục tiêu của nó cao hơn cận trên sẽ được loại ra từ suy xét Quá trình loại bỏ này đượcbiết như thăm dò Các nút được thăm dò khi bài toán kế tiếp khả thi hoặc khi có mộtphương án số nguyên tự nhiên Sự tìm kiếm phương áo tối ưu kết thúc khi tất cả các nútđược kiểm tra

nhánh Bạn có thể lựa chọn dạng của order trongdanh sách trải xuống.

- Fractional Lựa chọn biến số nguyên nhỏnhất

- Fixed Lựa chọn biến dựa trên việc sử dụngdãy thông số biến nguyên

Thông thường Order mặc định là Fractional

Search Cho phép bạn chỉ ra liệu một sự tìm kiếm nhánh

cận có thể thực hiện sau khi phương án của bài toánrelaxed được tìm ra

Lựa chọn nút

Một nút được kiểm tra hay không khi nó thỏa mãn những kiều kiện sau:

- Khi lời giả là một giá trị nguyên

- Khi lời giải là khả thi

- Khi giá trị tối ưu cao hơn cận trên hiện tại

Nhóm Node selection bao gồm những thông số sau:

- Best bound: cận tốt nhất – lựa chọn nút với giá

trị hàm mục tiêu nhỏ nhất

- Dive: lựa chọn những biến gần nhất cho nhánh.Thông số mặc định là Best bound

Maximum Cho phép định rõ số nút lớn nhất có được tìm ra Giá trị

lớn nhất phải cân bằng hoặc lớn hơn 1, mặc định nó là10

Nhóm Convergence ( Hội tụ )

Nhóm hội tụ Convergence cho phép bạn thiết lập giới hạn thu hẹp nguyên và điều kiệnhội tụ Nhóm Convergence bao gồm những thông số sau:

Absolute ( tuyệt đối ) Cho phép bạn thiết lập, cài đặt sai số tuyệt

đối của độ hội tụ Sai số này được so sánhvới sự sai lệch giữa giới hạn trên và giớihạn dưới của hàm mục tiêu Thông thườngHysys mặc định Absolute là 0.0

Relative ( Tương đối ) Cho phép bạn thiết lập , cài đặt sai số tương

đối cho phép của độ hội tụ Sai số này được

so sánh với sự sai số tương đối với giới hạntrên và giới hạn dưới của hàm mục tiêu.Giá trị của sai số tương đối phải nằm trongkhoảng t ừ 0.0 đến 0.5 Thông thường , giátri được mặc định là 0.1

Integer Tolerance ( Sai số nguyên ) Cho phép bạn thiết lập, cài đặt sai số cho

phép khi phép thử sử dụng những biến nhịphân như 0 hoặc 1 Integer Tolerancethường có giá trị trong khoảng từ 0.0 đến0.5 Thông thường nó được mặc định cógiá trị là 1.0e-4

Initialization (khởi động) Cho phép cài đặt ,thiết lập phương pháp để

tiến hành giải bài toán tối ưu hóa Bạn cóthể lựa chọn theo một trong ba phương ánsau:

• Curent Không thực hiện bất kỳ sựkhởi động lại nào Biến sẽ lấy giá trịtrước mà nó thu được để làm giá trịđầu để chạy tiếp

• Initial Cài đặt biến tới những giá trị

nào đó khi phép toán bắt đầu.

• Relaxed Cài đặt biến tới giá trị tối

ưu đã tìm được thông qua phươngpháp làm giảm dần vấn đề

Thông thường Initialization thường đượcmặc định là Current

Time limit (min) Cho phép bạn cài đặt, giới hạn thời gian

cho phương pháp tìm kiếm giá trị tối ưuthường được tính bằng phút Giá trị củathời gian được bổ sung vào số phép lặp tối

đa để thay thế giới hạn của phép tìm kiếm.Giá trị của thời gian tới hạn phải lớn hơn0.0 Thông thường hysys mặc định là

yes ) hay tiếp tục ( tương ứng với chữ No )phép tìm kiếm khi đã tìm ra được giá trị tốthơn giá trị trước đã tìm thấy Thông thườngHysys mặc định là No

Quit Tolerance Quit Tolerance cung cấp tỷ đối giữa lượng

giá trị đã được cải thiện cho tới khi kếtthúc phương pháp tìm kiếm tối ưu Thông

số này chỉ có khi Quit option bạn lựa chọn

là yes Tỷ đối này được tính theo công thứcsau: