化工过程系统的优化课件_第1页
化工过程系统的优化课件_第2页
化工过程系统的优化课件_第3页
化工过程系统的优化课件_第4页
化工过程系统的优化课件_第5页
已阅读5页,还剩127页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

化工过程系统的优化4.1概述数学模型是对实际过程系统进行模拟的基础。建立数学模型不仅仅是为了对过程进行模拟,其最终目的是要对过程进行优化什么是优化?在化工装置的设计及操作中,人们一直都在自觉或不自觉地应用优化的概念过程系统中优化的分类参数优化流程结构给定在实际生产中不断调节反应器的温度、压力以保证原料的转化率最大;在精馏塔设计中选择适当的回流比,以保证较少的热量消耗和塔板数;结构优化

流程方案的优化

在多种可行方案中找出费用最小的流程结构,保证该方案满足安全、环保、易操作等方面的要求过程系统中优化的分类确定冷、热物流的匹配方式,以便充分利用系统内部热量,降低公用工程消耗不论是结构优化还是参数优化,最终目的都是为了以最小的投入获得最大的收益。4.2化工过程系统优化问题基本概念4.2.1最优化问题的数学描述在数学上,求解最优化问题就是要找到一组使得目标函数J达到最大或最小的决策变量求最小值的方法完全可以用于求解最大值问题最优化问题的通用表达式求目标函数的最小值:(4-1)服从于不等式约束条件:(4-2)及n个等式约束条件:(4-3)

为n维优化变量向量最优化问题的组成要素:目标函数,优化变量,约束条件与可行域。1目标函数

目标函数(又称性能函数,评价函数)是最优化问题所要达到的目标。两组不同的决策,其好坏优劣要以它们使目标函数达到多少为评判标准。系统的产量最大;系统的经济收益最大;系统的能量消耗最小;系统的原料利用率最高;系统的操作成本最低;系统的投资成本最低;系统的稳定操作周期最长。还有多目标问题——各目标加权2优化变量对于过程系统参数优化问题,优化变量向量就是过程变量向量。过程变量向量包括决策变量和状态变量决策变量等于系统的自由度,它们是系统变量中可以独立变化以改变系统行为的变量;状态变量是决策变量的函数,它们是不能独立变化的变量,服从于描述系统行为的模型方程。w表示决策变量,x表示状态变量,则过程系统模型方程确定了x与w的函数关系(4-4)通常称之为状态方程,它表示的是系统状态变量与决策变量之间的关系。状态方程数目与状态变量x的维数相同。自由度为零的系统优化问题就是系统模拟问题3约束条件和可行域当过程变量向量y的各分量为一组确定的数值时,称为一个方案变量y的取值范围一般都要给以一定的限制,这种限制称为约束条件

状态方程限制了状态变量与决策变量间的关系,因此,也可以看作是一种约束条件。对于设计参数优化问题,设计规定要求也是一种约束条件。约束条件有等式约束和不等式约束满足约束条件的方案集合,构成了最优化问题的可行域,记作R可行域中的方案称为可行方案每组方案y为n维向量,它确定了n维空间中的一个点因此,过程系统最优化问题是在可行域中寻求使目标函数取最小值的点,这样的点称为最优化问题的最优解过程系统优化问题可表示为w-决策变量向量(w1,…,wr)

x-状态变量向量(x1,…,xm)z-过程单元内部变量向量(z1,…,zs)

F-目标函数

f-m维流程描述方程组(状态方程)c-s维尺寸成本方程组h-l维等式设计约束方程g-不等式设计约束方程讨论对于上述优化问题,变量数为m+r+s,等式约束方程数为m+l+s,问题的自由度为d=变量数-方程数=r

-l若l=0,自由度等于决策变量数r;若l=r,自由度等于零,此时最优化问题的解是唯一的(即等于约束方程的交点),没有选择最优点的余地;若l>r,则最优化问题无解。由此可见,l<r是最优化问题有解的必要条件之一

例4-1求一个受不等式约束的最优化问题服从于约束条件:解:可行域是由:

三边所围成的区域,最优解只能是可行域内与点(3,2)距离最近的点(2,1)(3,2)4.2.2最优化问题的建模方法

过程机理清楚的问题——采用机理模型进行优化。优点:结果比较精确缺点:形式往往比较复杂,一般具有大型稀疏性特点,需要用特殊的最优化方法进行求解,求解方法选择不当,会影响优化迭代计算速度。建立过程系统优化问题的模型方程时,要根据问题的实际情况,采用不同的建模方法。过程机理不很清楚,或者机理模型非常复杂——建立黑箱模型进行优化。常用的就是统计模型优化方法。优点:模型关系式简单,不需要特殊的最优化求解算法缺点:外延性能较差,只适用于原装置操作条件的优化,而不适用于其他场合。黑箱建模另一种方法——神经网络模型。它被广泛用于过程系统模拟和优化。它也是基于实际生产数据或实验数据,但在许多方面优于一般的统计回归模型。它寻优速度较快,具有自学习、自适应能力(也称为智能模型),尤其适用于多目标优化问题。多层神经网络的求解都有相应的算法,比如常用的BP算法等。不过多层神经网络建模需要大量的样本数据,而且存在局部极值问题。(第五章介绍)4.2.3化工过程系统最优化方法的分类最优化问题的机理模型通常为一套描述过程特性的方程组,需要特殊的最优化方法进行求解。求解最优化问题的方法很多,大致有如下几种分类原则:(1)无约束最优化与有约束最优化在寻求使目标函数达到最优时,如果对于决策变量及状态变量无任何附加限制,则称为无约束最优化。问题的最优解就是目标函数的极值。这类问题比较简单,其求解方法是最优化技术的基础。在建立最优化模型方程时,若直接或间接的对决策变量施以某种限制,则称为有约束最优化。通常求解有约束最优化模型的方法是通过把有约束最优化问题转化成无约束最优化模型进行求解。(2)线性规划与非线性规划根据目标函数及约束条件线性与非线性性质,可将求解方法分为线性规划LP和非线性规划NLP两大类。当目标函数及约束条件均为线性函数时,称为线性最优化。线性规划是最优化方法中比较成熟的技术。当目标函数或约束条件中至少有一个为非线性函数时,则称为非线性最优化,由于求解非线性规则问题往往比较困难,所以有时也将其近似地线性化,然后用比较成熟的线性规划技术求解。如果目标函数为二次型,而约束条件为线性函数,则称为二次规划问题。二次规划是从线性规划到非线性规划的过渡,是最简单的一种非线性规划。(3)单维最优化和多维最优化根据优化变量的数目,可将问题分为单维最优化和多维最优化。只有一个可以调节的决策变量的单维最优化问题是最简单的典型问题研究单维最优化的方法具有基本的意义,这是因为复杂的多维最优化问题往往可以转化为反复应用单维最优化方法来解决。

(4)解析法与数值法解析法又称为间接最优化方法。这种方法只适用于目标函数(或泛函)及约束条件有显函数表达式的情况。它要求把一个最优化问题用数学方程式表示出来,然后用导数法或变分法得到最优化的必要条件,再通过必要条件,对方程求解得到优化问题的最优解。古典的微分法、变分法、拉格朗日乘子法等都属于解析法。

数值法又称为直接最优化方法,或优选法。这类方法不要求目标函数为各种变量的显函数表达式,而是利用函数在某一局部区域的性质或一些已知点的数值,逐步搜索、逼近,最后达到最优点。

(5)可行路径法和不可行路径法可行路径法的整个搜索过程是在可行域内进行的,也就是说,对于变量的每次取值,约束条件均必须满足。因此,对于每一次优化迭代计算均必须解算一次过程系统模型方法,也就是做一次全流程模拟计算。这类方法简单可靠,但计算量很大。不可行路径法的整个搜索过程并不要求必须在可行域内进行,可以从不可行域向最优解逐步逼近,但在最优解处必须满足条件。所有的过程变量同时向使目标函数最优而又能满足所要求条件的方向移动。其求解过程有可能不稳定,但计算量比可行路径法显著减少。

4.3化工过程系统最优化问题的类型过程系统参数的优化过程系统结构的优化过程系统管理的优化4.3.1过程系统参数优化过程系统参数优化包括设计参数优化和操作参数优化。寻求一组使目标函数达到最优,同时又满足各项设计规定要求的决策变量(即设计变量)。并根据情况调节决策变量(即操作变量),从而使目标函数达到最优。4.3.2过程系统管理最优化

过程系统管理的最优化主要从以下几个方面考虑:(1)资源的合理分配工厂里的蒸汽、冷却水等公用工程,通常都是供给全厂所有车间使用的,只有合理地分配,才可以减少外购公用工程量,从而获得最好的经济效益。

(2)时序问题多组反应器中的催化剂再生;间歇操作的流程中每个设备的运行周期;设备的维护和检修;多产品车间的生产运行。(3)多产品生产过程的排产计划,会出现利润最大的优化问题。4.4化工过程中的线性规划问题运筹学规划论:线性规划、非线性规划、动态规划更新论存储论控制论排队论对策论线性规划线性规划是数学规划中理论较完整、方法较成熟、应用较广泛的的一个分支。线性规划的理论、方法简捷,只要把所探讨的问题的性质、指标等因素限制在约束条件中,求出满足约束条件的最优方案。发展史1939年康特洛维奇从运输问题入手开始研究,代表作“生产组织与计划的数学方法”20世纪40年代末Dantzig等人进一步完善了线性规划学科,与Hurwicz一起发明了单纯形法,从而奠定了线性规划的基础20世纪50年代我国开始线性规划方面的研究1975年康特洛维奇和库甫曼获诺贝尔经济奖4.4.1线性规划问题的数学描述线性规划问题的数学模型的标准形式(引例)例题:某厂有生产甲、乙两种产品的能力,生产1吨甲产品需要3个工日和0.35吨小麦,生产1吨乙产品需要4个工日和0.25吨小麦,该厂仅有技工12人,一个月只能出300个工日,小麦一个月只能进21吨,甲产品可盈利80/吨,乙产品可盈利90/吨。该厂在一月中如何安排这两种产品的生产,使之获得最大盈利?建立这个问题的数学模型。解:设x1,x2分别表示一月中生产甲、乙两种产品的数量,则最大盈利为:S=80x1+90x2工日的约束为3x1+4x2≤300;原料小麦的约束为0.35x1+0.25x2≤21,该问题的数学模型即为maxS=80x1+90x2s.t.3x1+4x2≤3000.35x1+0.25x2≤21x1,x2≥0S.t.是“subjectto”的缩写,即约束条件线性规划是求一组非负变量,这些变量在满足一定的线性约束条件下,使一个线性函数达到极小或极大即:把上述线性规划一般模型转化成标准形式线性规划的标准形式具有以下四点:目标函数是求最小值(也可以把目标函数定为求最大值)在约束条件中,除了非负约束用“≥”号外,其他所有约束条件均用等式(或称方程)表示每个约束方程的常数项均是非负的(bi≥0)所有未知量受非负限制各种不同形式的模型转化为标准形式的方法将求极大值化为求极小值将不等式约束化为等式约束将自由变量化为非负变量约束条件带有绝对值号的转化(1)将求极大值化为求极小值如果目标函数J是求极大值,则可以采用以下方法进行转化:max(J)=min(-J)(2)将不等式约束化为等式约束ai1x1+ai2x2+···+ainxn≤bi引入“松弛变量”yi(

≥0)化“≤”为“=”将不等式化为:ai1x1+ai2x2+···+ainxn+yi=bi对于大于等于型不等式ai1x1+ai2x2+···+ainxn≥bi引入“剩余变量”yi

(≥0)化“≥”为“=”将不等式化为:ai1x1+ai2x2+···+ainxn-yi=bi(3)将自由变量化为非负变量

如果未知量无非负约束时,称为自由变量,这时,这个未知量可用两个受非负限制的变量xk′,xk″之差描述,如:xk=xk′-xk″其中:xk′,xk″≥0(4)约束条件有绝对值号的转化如果约束条件带有绝对值号时,如|a1x1+a2x2|≤b则可以等价地化为:a1x1+a2x2≤b-a1x1-a2x2≤b从上面的例子看出:当引入松弛变量或剩余变量之后,比原来约束条件中的变量增加了m个,使得总变量数为n+m个,一般来说,对于约束条件引进松弛变量后约束条件得系数矩阵为当约束条件时添加剩余变量后其约束条件的系数矩阵为:例题2化下式为标准型

引进松弛变量y1,y2,y3得标准形式为引进的松弛变量y1,y2,y3与x1,x2同等看待,将松弛变量纳入目标函数时,其系数应取零4.4.2求解线性规划的图解法图解法适用于变量较少的线性规划问题,他通过作图的方式,直观地显示满足约束条件、可行域和目标函数的最优解。先介绍求解两个变量的线性规划问题,这个解法虽然只适用于两个变量的线性规划问题,但是得到的一些结论也适用于更多变量的线性规划问题。例题3用图解法求解线性规划问题解:由于非负约束,所以可行解允许的范围只能在第一像限。设:x1为横坐标,x2为纵坐标,作图x1+x2≤5x1-x2≤3x1,x2≥0上述约束条件表示AOCD围成的四边形,因此最优解落在该四边形内ABx2x1CDx1-x2=3x1+x2=52x1+x2=92x1+x2=02x1+x2=2o目标函数S=2x1+x2当S的值为0,2,…由小变大时,直线x2=-2x1+S向其增大方向平行移动,当移到D点时,他既满足约束条件,且又使目标函数取得最大值ABx2x1CDx1-x2=3x1+x2=52x1+x2=92x1+x2=02x1+x2=2ox1+x2=5得x1=4x1-x2=3x2=1即:D点坐标为(4,1)最优解为x1=4,x2=1目标函数的最大值为:S=2×4+1=9例题4用图解法求解线性规划问题minS=3x1+2x2s.t.x1+2x2≥4x1-x2≥1x1,x2≥0解:可行解域G为无界开区域因为目标函数是以S为参数的一族平行线,故分别令S为10,8,0等,可见直线离原点愈近时,目标函数值愈小,图中可知,最小值在B点(2,1)故x1=2,x2=1为问题的最优解相应的目标函数S=3×2+2×1=8如改为求目标函数最大值maxS=3x1+2x2,则可行解域无上界,问题有无界解,因而不存在最大值,也就没有最优解例题5用图解法求解线性规划问题minS=4x1-2x2s.t.x1+x2≤1x1+2x2≥4x1,x2≥0s.t.x1+x2≤1x1+2x2≥4从图中可以看出,同时满足四个不等式的点不存在,所以没有可行解,当然没有最优解可以看出:线性规划问题的任意两个可行解联线上的点都是可行解;线性规划问题的最优解如果存在,必在可行解域的某个“顶点”上达到。线性规划基本定理1任意一个线性规划问题的可行解集合(如果不是空集)是一个凸集。线性规划基本定理2对于线性规划问题

minS=CX,s.t.AX=bX≥0(1)若存在一个可行解,则必存在一个基本可行解(2)若存在一个最优可行解,则必存在一个最优基本可行解线性规划基本定理3线性规划问题的基本可行解,对应于可行解集合所构成凸集D的顶点(极点),且最优解将在顶点上获得。习题1求解maxZ=x1+3x2s.t.2x1+3x2≤24x1-x2≤7x2≤6x1,x2≥0习题2求解maxZ=4x1+6x2s.t.2x1+3x2≤24x1-x2≤7x2≤6x1,x2≥04.4.3求解线性规划问题的单纯形法从线性规划问题的图解法中可以看出,求最优过程就是由可行解集合构成凸集的一个顶点过渡到另一个顶点的过程,最后获得的最优解在顶点(极点)上得到。这种方法仅在变量个数及约束条件较少时方为适用。当变量个数及约束条件比较多时必须改进这种方法。单纯形法就是这种简化和改进的方法基本思想:在保证目标函数变优的前提下,由一个初始基本可行解开始,向另外一个基本可行解过渡。例题6某工厂有三套设备A1,A2,A3,生产P1,P2两种产品,单位产品的产值,所需设备的加工工时定额及设备可用工时如下表所示。求产值最高的最优方案。解:x1,x2分别为产品P1,P2的计划产量个数,得数学模型:MaxS=2x1+3x2s.t.2x1+2x2≤12x1+2x2≤84x1≤16x1,x2≥0引进松弛变量x3,x4,x5,化数学模型为:

2x1+2x2+x3=12x1+2x2+x4=84x1+x5=16-2x1-3x2+s=0且x1,x2,x3,x4,x5非负,又使S尽可能大在这里S与xj同样被看作是变量,目标函数的那个等式被看作是增加的一个约束条件,因此,数学模型就变为上式给出的4个方程,6个变量的线性方程组,就是把求解线性规划问题,转化为线性方程组的问题。线性方程组的一般解法是:通过初等变换把增广矩阵转化为阶梯形矩阵,然后求解,方程组的增广矩阵为:它的秩为4,其中第3列到第6列即P3,P4,P5,P6是线性无关的单位向量,组成了一个单位矩阵,称它为初始基,相应地,x3,x4,x5是基本变量,x1,x2为非基本变量。若令x1=x2=0,得基本可行解:x(1)=(0,0,12,8,16)T,S1=0为了说明如何从x(1)出发找到最优解,先把增广矩阵增加几个标记,改为:单纯形表其中最后一列为常数列最后一行为检验行,是目标函数变量的系数变号而得来的,原目标函数是求最大,变号后化为求最小。常数列检验行首先判断X(1)是否为最优解,其方法是:看检验行中的所有元素是否都大于零,若是,则X(1)便是最优解,否则就不是最优解。现在a41=-2<0,a42=-3<0,所以X(1)不是最优解既然X(1)不是最优解,就设法找第二基本可行解X(2),且目标函数值大于S1。其找法:在检验行中找出其绝对值最大的负元素C*2=-3,称C*2所在的列为主列,主列所对应的变量x2作为X(2)的一个基本变量,称为进入变量.然后使X(1)的基本变量x3、x4、x5中某两个与x2合在一起成为X(2)的三个基本变量.现在x2要进基,x3、x4、x5那个出基呢?

方法是:用主列中的正元素aij去除常数列中的对应元素bi,即bi/aij。而后取其比值较小者所在的行为主行,主行与主列交叉处的元素称为主元素.表中第2列是主列,故第二行是主行,a22=2是主元素,

故第二行是主行,a22=2是主元素,这时与X(1)的基本变量x3、x4、x5相对应的列向量在主行中元素为1的第4列P4是需要退出基的列,相应的基本变量x4是退出变量.如此即得X(2)的基本变量为x2、x3、x5。由表求X(2)时,用初等行变换的方法,将主元素化为1,主列中其它元素都化为零,即主列P2应化为(0,1,0,0)T,于是得到为将主元素化为1,主列中其它元素都化为零,第2行乘于-2加到第一行为将主元素化为1,主列中其它元素都化为零,第2行乘于3加到第四行令x1=x4=0由最后一列得基本变量的值x2=4,x3=4,x5=16,S2=12即X(2)=(0,4,4,0,16)TS2=12>S1=0再检验,由于表的检验行中仍有负元素,所以X(2)仍不是最优解,于是再选主列P1,用P1中的正元素去除常数列中相应的元素,取较小比值所在的行为主行,即

这时较小比值中同时有两个,那么无论任取其中的那一个所在的行为主行均可,取第三行为主行,则主元素a31=4,与X(2)的基本变量x2、x3、x5相应的列向量在主行中元素为1的是第5列,因此x5为退出变量,这样即得X(3)的三个基本变量为xl、x2、x3,对表施行初等行交换将第1列化为(0,0,1,0)T的形式,于是得到第三行除于4;第三行乘于-1/2加到第二行中;第三行乘于-1加到第一行中;第三行乘于1/2加到第四行中。x1令x4=x5=0。可得x1=4,x2=2,x3=0,S3=14,即X(3)=(4,2,0,0,0)T,S3=14>S2=12因为在选主行时最小比值同时有两个,故所得此解是一个退化解(即基本变量中有零元素)。由于表中检验行中的元素全部为正,所以X(3)就是所求的最优解.去掉其中的松弛变量x3、x4、x5得原来问题的最优解X*=(4,2)TS*=2

4+3

2=14.即生产P1产品4个单位,生产P2产品2个单位,可获得利润14个单位单纯形法的计算步骤归纳确定初始基、初始基本可行解最优性检验确定主列确定主行确定主元素进行迭代(即施以初等行变换)再检验,重复以上步骤直至取得最优解1.确定初始基、初始基本可行解:引入松弛变量化线性规划问题为标准形式,取对应于松弛变量的单位矩阵为基,令非基本变量为0,基本变量就是各约束常数,得到一个初始基本可行解2.最优性检验:如果检验行中(除了最后一个元素外)各元素都≥0,则已求得问题的最优解,若检验行中有负数,则进行下一步。3.确定主列,取检验行中绝对值最大的负数所在的列为主列,主列所对应的非基本变量要进入基,称为进入变量主列4.确定主行:在主列中用每一个正元素去除常数列中相应行的元素,择其中比值最小者所在的行为主行,在主行中系数为1的原基本变量要退出基,称为退出变量主行5.确定主元素:位于主行、主列交叉处的元素称为主元素,简称主元进行迭代(即施以初等行变换):第一,将主行中各数除以主元,将主元化为1第二,其它各行(包括检验行)加上或减去主元行的适当倍数,将主列中其它的数化为零。从而得到新的单纯形表和新的基本可行解。7.再检验,重复以上步骤直至取得最优解最优解单纯形方法运用中应注意5点:在确定主列时,检验行中绝对值最大的负数有两个或多个相同时,一般说来,这时可以任选其中一个以确定主列。在确定主行时,也可能出现最小比值不止一个的情况,这时一般说来同样可以在它们中任选一行作为主行,不过在这种情况下,得到的解将是退化解(即基本变量中有零元素)。在主列中若没有一个元素是正的,则可证明原问题有无界解.当目标函数为求最大值时,化最大为最小,而后将目标函数中的系数填到单纯形表的检验行上,经迭代后,即可从表上直接得到最优值S。当目标函数为求最小值时,则直接将目标函数中的系数填到单纯形表的检验行上,经迭代后,取表上S值的相反数,即为最优值.习题用单纯形法解线性规划问题maxS=3x1+x2+3x3s.t.2x1+x2+x3≤2x1+2x2+3x3≤52x1+2x2+x3≤6x1,x2,x3≥0规划求解简介规划求解是数学中的优化问题,它通过改变多个输入单元格求出最优解,同时保证工作表中的其他公式保持在设置的极限之内。用Excel进行规划求解规划求解一般用于解决以下问题:产品比例,给定生产产品的有限资源,求在产品上的最大回报。人员调度,用最小成本使职工水平达到公司指定的满意水平。优化线路,在制造地和销售地之间求最小运输成本。调配材料,用最小成本调配材料达到指定的质量水平。

最适合规划求解的问题有以下三个特征:问题有单一目标,例如求最大利润或最小时间。问题有用不等式给定的约束条件,如使用材料不能超过库存。问题有直接或间接地同时影响约束条件和优化值的输入值。关于规划求解的说明1安装【规划求解】如果单击【工具】菜单找不到【规划求解】选项,那么应该安装规划求解,安装的方法是:选择【工具】菜单中的【加载宏】选项。在【加载宏】对话框中选择SolverAdd-in复选框。单击【确定】按钮。2.关于约束条件的说明在使用规划求解的过程中,可以对可变单元格的数值应用约束条件,且约束条件可以引用其他影响目标单元格公式的单元格。如果在规划求解问题中设置约束条件,则可以将约束条件应用于可变单元格、目标单元格及其他与目标单元格直接或间接有关的单元格,这取决于实际问题的需要。使用规划求解,设置的目标单元格一定要包含公式。规划求解的使用:例题:某厂家生产产品A和B。产品A的产量不超过4000,产品B的产量不超过4000;两种产品产量之和不超过7000。产品A的单件利润为200元,每多生产100件,单件利润增加2元。产品B的单件利润为190元,每多生产100件单件利润增加3元。现在进行规划求解,求出产品A和产品B产量的最佳方案,使总利润最大化。线性规划求解

4.5化工过程中的非线性规划问题4.5.1无约束条件最优化问题的经典来解方法对于一个函数F(x1,x2,

,xn),如果其所有的一阶导数都存在,则函数F(x1,x2,

,xn)的极小值的必要条件为:对于满足以上方程的点成为极小值的充分条件是在这个点上所有二阶偏均存在,而且其赫森矩阵为正定。

函数f(X)的赫森矩阵H定义为:如何知道H是否为正定?可定义行列式为:这样得到一组数值这称为{D1,D2,

,Dn},H矩阵的主子式。如果所有的Di>0(i=l,2,…,n)则赫森矩阵H为正定根据函数存在极小值的充分必要条件,将无约束最优化问题的求解,转化为求右面一组非线性方程的求解:

其中满足的点,就是方程组的解。

这种经典方法存在以下缺点:复杂问题,非线性方程组求解相当困难;由于满足极小,而不是最小,所以找到的解可能是局部极值,而不是全局最优值。只能用于导数连续的场合,当导数不连续时不能使用。而导数不连续之处,可能正好是最小值或最大值所在之处。4.5.2有约束条件最优化问题的经典求解方法拉格朗日乘子法罚函数法1.拉格朗日乘子法已知目标函数f(x1,x2,…,xn)服从等式约束条件:

ej(x1,x2,,xn)=0(j=1,2,…,m)引入拉格朗日函数

(x,)可以将这个有约束的最优化问题,转化成无约束的最优化问题:式中

称为拉格朗日乘子根据无约束最优化问题的求解方法,只要式中的函数f和约束ej的一阶偏导数在所有各点均存在,则只要求解下列非线性方程组,就可得到最优解X*和*:以上共n+m个方程,可解出x1*,x2*,…,xn*及

1*,

2*,…,

m*未知数。例4-6有一个烃类催化反应器。烃类进行压缩并和蒸汽先充分混合后进入反应器。

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论