TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010



Samankaltaiset tiedostot
TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

TIEA382 Lineaarinen ja diskreetti optimointi

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

TIES483 Epälineaarinen optimointi. Monitavoiteoptimointi Syksy 2012

Monitavoiteoptimointi

Luento 6: Monitavoiteoptimointi

TIES483 Epälineaarinen optimointi

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Luento 6: Monitavoitteinen optimointi

Lineaarinen optimointitehtävä

Harjoitus 4: Matlab - Optimization Toolbox

TIES483 Epälineaarinen optimointi

Mat Työ 1: Optimaalinen lento riippuliitimellä

Yhden muuttujan funktion minimointi

4. Luennon sisältö. Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä

JYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö

Malliratkaisut Demo 1

Lineaarinen optimointi. Harjoitus 6-7, Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän. c T x = min!

6. Luennon sisältö. Lineaarisen optimoinnin duaaliteoriaa

TIES483 Epälineaarinen optimointi. Syksy 2012

TTY Porin laitoksen optimointipalvelut yrityksille

Harjoitus 8: Excel - Optimointi

Luento 2: Optimointitehtävän graafinen ratkaiseminen. LP-malli.

1 Kertaus. Lineaarinen optimointitehtävä on muotoa:

Talousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Talousmatematiikan perusteet: Luento 11. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Osakesalkun optimointi. Anni Halkola Turun yliopisto 2016

Kokonaislukuoptimointi

Mat Optimointiopin seminaari kevät Monitavoiteoptimointi. Tavoitteet

Luento 2: Optimointitehtävän graafinen ratkaiseminen. LP-malli.

Numeeriset menetelmät

Osakesalkun optimointi

Stokastinen optimointi taktisessa toimitusketjujen riskienhallinnassa (valmiin työn esittely)

1 Johdanto LP tehtävän luonteen tarkastelua Johdanto herkkyysanalyysiin Optimiarvon funktio ja marginaalihinta

1 Komparatiivinen statiikka ja implisiittifunktiolause

Esimerkkejä kokonaislukuoptimointiongelmista

Jälki- ja herkkyysanalyysi. Tutkitaan eri kertoimien ja vakioiden arvoissa tapahtuvien muutosten vaikutusta optimiratkaisuun

BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 1, Kevät 2018

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla

, tuottoprosentti r = X 1 X 0

Malliratkaisut Demot

k=0 saanto jokaisen kolmannen asteen polynomin. Tukipisteet on talloin valittu

Vastepintamenetelmä. Kuusinen/Heliövaara 1

1. Lineaarinen optimointi

Numeeriset menetelmät

Harjoitus 9: Optimointi I (Matlab)

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

Mat Optimointiopin seminaari

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33

Lineaarisen ohjelman määritelmä. Joonas Vanninen

Luetteloivat ja heuristiset menetelmät. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki

Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely)

Talousmatematiikan perusteet: Luento 15. Rajoitettu optimointi Lagrangen menetelmä Lagrangen kerroin ja varjohinta

Teräsrakenteen palonsuojamaalauksen suunnittelu - kustannusten näkökulma

FCP=Massavirta*Ominais- lämpökapasitetti. Lämpöteho= FCP*(Tin-Tout) Lisäksi tarvitaan kunkin virran lämmönsiirtokerroin h 40 C 40 C 100 C FCP=1 FCP=1

Optimointi. Etsitään parasta mahdollista ratkaisua annetuissa olosuhteissa. Ongelman mallintaminen. Mallin ratkaiseminen. Ratkaisun analysointi

Lineaarinen optimointitehtävä

Duaalisuus kokonaislukuoptimoinnissa. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki

Numeeriset menetelmät TIEA381. Luento 7. Kirsi Valjus. Jyväskylän yliopisto. Luento 7 () Numeeriset menetelmät / 43

Diskreettiaikainen dynaaminen optimointi

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35

Piiri K 1 K 2 K 3 K 4 R R

PROSESSISUUNNITTELUN SEMINAARI. Luento vaihe

Talousmatematiikan perusteet: Luento 14. Rajoitettu optimointi Lagrangen menetelmä: yksi yhtälörajoitus Lagrangen menetelmä: monta yhtälörajoitusta

Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi.

Referenssipiste- ja referenssisuuntamenetelmät

Optimaalisuusehdot. Yleinen minimointitehtävä (NLP): min f(x) kun g i (x) 0 h j (x) = 0

TEKNILLINEN TIEDEKUNTA, MATEMATIIKAN JAOS

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 1: Moniulotteiset integraalit

f(x 1, x 2 ) = x x 1 k 1 k 2 k 1, k 2 x 2 1, 0 1 f(1, 1)h 1 = h = h 2 1, 1 12 f(1, 1)h 1 h 2

Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi.

Harjoitus 6 ( )

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Lentotiedustelutietoon perustuva tykistön tulenkäytön optimointi (valmiin työn esittely)

MS-C2105 Optimoinnin perusteet Malliratkaisut 5

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2

Kimppu-suodatus-menetelmä

Kombinatorinen optimointi

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I

Johdatus tekoälyn taustalla olevaan matematiikkaan

Lineaarisen kokonaislukuoptimointitehtävän ratkaiseminen

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi

Virhearviointi. Fysiikassa on tärkeää tietää tulosten tarkkuus.

Harjoitus 9: Optimointi I (Matlab)

Antti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16

Malliratkaisut Demo 4

Valikoima, laatu ja mainonta

I I K UL U UT U T T A T JANTE T O E R O I R A

Talousmatematiikan perusteet: Johdanto. Kurssin tavoitteet Käytännön järjestelyt Suosituksia suorittamiseen

Tehtävä 1. Tasapainokonversion laskenta Χ r G-arvojen avulla Alkyloitaessa bentseeniä propeenilla syntyy kumeenia (isopropyylibentseeniä):

Epälineaarinen hinnoittelu: Diskreetin ja jatkuvan mallin vertailu

ax + y + 2z = 0 2x + y + az = b 2. Kuvassa alla on esitetty nesteen virtaus eräässä putkistossa.

12. Hessen matriisi. Ääriarvoteoriaa

Transkriptio:

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010

Tasaväliset PO pisteet? Painokerroinmenetelmä: muutetaan painoja systemaattisesti Kuvan tilanteessa POratkaisut painottuvat PO joukon toiseen päähän Miten saada tasavälinen jako? f 2, min f 1, min

Biokemiallisen reaktorin optimointi Putkimainen, vaipallinen reaktori (jacketed tubular reactor) Eksoterminen 1. asteen (palautumaton) reaktio Optimisäätötehtävä tehtävänä on löytää optimaalinen profiili vaipan nesteen lämpötilalle ja sitä vastaava optimaalinen säätö ei optimoida muuttujien, vaan säätöprofiilin (= funktio) suhteen jatkuva profiili täytyy diskretisoida suuri optimointitehtävä http://www.syrris.com/batch-products/atlas-overview

Biokemiallisen reaktorin optimointi Logist et al., Chemical Engineering Science, 64, 2009 Tavoitteet minimoi lähtöaineen määrä reaktorin ulostulossa (= maksimoi reaktion konversio) maksimoi lämmön talteenotto (vaikuttaa energiankulutukseen) minimoi reaktorin pituus (0.5-1.0 m) Mitä enemmän lämpöä käytetään, sitä parempi konversio; mitä lyhyempi reaktori, sitä huonompi konversio

Biokemiallisen reaktorin optimointi Tuotetaan approksimaatio PO joukosta 3 tavoitetta; voidaan visualisoida ja saadaan käsitys koko rintamasta Monitavoiteoptimointimenetelmä: Normal Boundary Intersection ideana tuottaa tasaisesti jakautunut Paretooptimaalinen pisteistö

Biokemiallisen reaktorin optimointi

Normal Boundary Intersection (NBI) Etsitään PO-joukon ääripisteet Muodostetaan niiden virittämä taso ja siihen tasavälinen pisteistö Etsitään tasoa vastaan kohtisuorassa f 2, min f 1, min

Normal Boundary Intersection (NBI) Ideana tuottaa tasaisesti jakautunut pisteistö PO joukosta Pisteet tuotetaan ratkaisemalla yksitavoitteisia optimointi tehtäviä Das & Dennis, SIAM Journal of Optimization, 8, 1998

Normal Boundary Intersection (NBI) Ominaisuuksia tasaisesti jakautunut pisteistö PO-joukkoon laskenta-aika lisääntyy merkittävästi useammille tavoitteille voi tuottaa ei-paretooptimaalisia pisteitä epäkonvekseille tehtäville f 2, min f 1, min

Tasaväliset PO pisteet? Painokerroinmenetelmä Normal Boundary Intersection f 2, min f 2, min f 1, min NBI antaa tasaisemmin jakaantuneen pisteistön f 1, min

Paremmuussuhteiden ennaltamääräämiseen perustuvat menetelmät Idea: kysytään ensin DM:ltä preferenssejä, optimoidaan sen jälkeen Pyritään tuottamaan vain sellaisia PO ratkaisuja, jotka kiinnostavat DM:ää Hyvät puolet Lasketut PO ratkaisut perustuvat DM:n preferensseihin (ei turhia ratkaisuja) Huonot puolet DM:n hankala antaa preferenssejä ennen kuin on nähnyt yhtään ratkaisua

Jalostamon tuoton herkkyyden optimointi Bensiinin tuotto eri öljyjen sekoituksesta Tavoitteena tuottaa 3 laatua: premium, korkea- ja matalaoktaaninen Kapasiteetti 200 000 barrelia /päivä

Jalostamon tuoton herkkyyden Tavoitteet optimointi maksimoi jalostamon tuotto minimoi tuoton herkkyys (jalostamon toimintaolosuhteiden suhteen) Tuotto lineaarinen Herkkyys: minimoidaan tuoton osittaisderivaatat epälineaarinen optimointitehtävä Seinfeld & McBride, Ind. Eng. Chem. Process Des. Develop., Vol. 9, No. 1, 1970

Jalostamon tuoton herkkyyden optimointi 2 menetelmää painokertoimet järjestetään tavoitteet tärkeyden mukaan: 1. tuotto, 2. herkkyys Strategia ottamalla herkkyys huomioon saadaan pienempi tuotto, jos muutoksia olosuhteissa ei tapahdu toisaalta jos olosuhteet muuttuvat, niin tuotto ei putoa niin paljoa, kuin ilman herkkyyksien huomioimista

Leksikografinen optimointi Järjestetään objektifunktiot tärkeysjärjestykseen Optimoidaan ensin tärkeimmän suhteen ja jatketaan optimointia saatujen optimiratkaisujen joukossa seuraavaksi tärkeimmän suhteen jne. Vaatii DM:ltä tärkeysjärjestyksen ennen optimointia Saatu ratkaisu on Pareto-optimaalinen

Leksikografinen optimointi 2 tavoitetta: 1. tärkeämpi Optimoidaan 1. suhteen, saadaan z 1 ja z 2 Optimoidaan 2. suhteen: valitaan parempi z 1 Käytännössä jokin toleranssi optimaalisille arvoille