بهينه سازي اقتصادي واحد بازيابي گاز طبيعي مايع با استفاده از ژنتيك الگوريتم با جست‌وجوي مجذوري

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

ژنتيك الگوريتم با جستجوي مجذوري يك روش تركيبي براي بهينه سازي اقتصادي يك واحد فرآيندي مدل شده با نرم افزار‌هاي شبيه سازي فرآيند مي باشد. از طريق تركيب الگوريتم ژنتيك عادي با الگوريتمي بر اساس جستجوي مجذوري مي‌توان تعداد محاسبات مربوط به توابع هدف را كاهش داد. روش پيشنهادي شامل مزاياي ژنتيك الگوريتم عادي و تكنيك‌هاي جستجوي مجذوري مي باشد. از جمله اين مزايا تعيين بهينه مطلق توابعي با احتمال ناپيوستگي بالا و با همگرايي بيش‌تري نسبت به ژنتيك الگوريتم عادي مي‌باشد. در اين پژوهش بهينه سازي اقتصادي واحد بازيابي گاز طبيعي مايع با استفاده از ژنتيك الگوريتم با جستجوي مجذوري و ژنتيك الگوريتم عادي با يكديگر مقايسه شده‌اند. نتايج نشان مي‌دهد در صورت استفاده از پارامترهاي ژنتيكي يكسان، همگرايي ژنتيك الگوريتم با جستجوي مجذوري و همچنين دقت روش پيشنهادي بهتر از ژنتيك الگوريتم عادي مي باشد.

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. 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 or at least comparable to those of GA for all tests employing the same genetic parameters.