بهینه سازی اقتصادی واحد بازیابی گاز طبیعی مایع با استفاده از ژنتیک الگوریتم با جستجوی مجذوری

نوع مقاله: علمی ترویجی

نویسندگان

1 مسئول پروژه

2 دانشگاه شیراز

چکیده

ژنتیک الگوریتم با جستجوی مجذوری یک روش ترکیبی برای بهینه سازی اقتصادی یک واحد فرآیندی مدل شده با نرم افزار های شبیه سازی فرآیند می باشد. از طریق ترکیب الگوریتم ژنتیک عادی با الگوریتمی بر اساس جستجوی مجذوری می توان تعداد محاسبات مربوط به توابع هدف را کاهش داد. روش پیشنهادی شامل مزایای ژنتیک الگوریتم عادی و تکنیک های جستجوی مجذوری می باشد . از جمله این مزایا تعیین بهینه مطلق توابعی با احتمال ناپیوستگی بالا و با همگرایی بیشتری نسبت به ژنتیک الگوریتم عادی می باشد. در این پژوهش بهینه سازی اقتصادی واحد بازیابی گاز طبیعی مایع با استفاده از ژنتیک الگوریتم با جستجوی مجذوری و ژنتیک الگوریتم عادی با یکدیگر مقایسه شده اند. نتایج نشان می دهد در صورت استفاده از پارامترهای ژنتیکی یکسان ، همگرایی ژنتیک الگوریتم با جستجوی مجذوری و همچنین دقت روش پیشنهادی بهتر از ژنتیک الگوریتم عادی می باشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Economic optimization of liquefied natural gas recovery unit recovery using by genetic algorithm with quadratic search

چکیده [English]

The genetic/quadratic search algorithm (GQSA) is a hybrid genetic algorithm (GA) for optimizing plant economics when a process simulator models the plant. By coupling a regular GA with an algorithm based upon a quadratic search, the required number of objective function evaluations for obtaining an acceptable solution decreases significantly in most cases. The GQSA combines advantages of GA and quadratic search techniques, e.g. determining a global optimum for a problem with a high probability for discontinuous as well as non-convex optimization problems while at the same time providing faster convergence than conventional GA. In this work, the performance of both the GQSA and the GA was compared using four different test functions and an economic optimization problem for a turbo-expander process. Numerical test results indicate that the convergence of the GQSA is either better than to those of GA for all tests employing the same genetic parameters

کلیدواژه‌ها [English]

  • genetic algorithm
  • quadratic search
  • liquefied natural gas recovery unit recovery
  • Optimization