Решение задачи многокритериальной оптимизации реакции синтеза бензилалкиловых эфиров методом «идеальной» точки и лексикографического упорядочивания

Результат, получаемый в ходе решения задач оптимизации актуален для применения в промышленных и лабораторных процессах. Многокритериальная оптимизация подразумевает оптимизацию двух или более конфликтующих целевых функций.

Материалы и методы. На основе кинетической модели каталитической реакции синтеза бензилалкиловых эфиров поставлена задача многокритериальной оптимизации с учетом изменяемых параметров: температуры, мольного соотношения реагентов и времени проведения, имеющих ограничения. Обосновано использование методов «идеальной» точки и лексикографического упорядочивания.

Результаты. Разработан алгоритм решения задачи многокритериальной оптимизации. Используя кинетическую модель синтеза бензилалкиловых эфиров, решена задача МКО условий проведения и получены оптимальные значения изменяемых параметров системы, при которых достигается максимизация выхода целевого продукта и минимизация побочных продуктов химического процесса.

Обсуждение и заключения. Многокритериальная оптимизация данного процесса позволит дать технологические рекомендации по промышленной реализации процесса с максимальным выходом целевых продуктов и минимальным содержанием побочных. В работе представлено два метода решения задачи, так как для применения полученных результатов на практике должны учитываться рекомендации лица, принимающего решения.

1. Koledina, K.F. Kinetics and mechanism of synthesis of benzylbutyl ether in the presence of copper-containing catalysts / K.F. Koledina, I.M.Gubaidullin, S.N.Koledin, A.R.Baiguzina, L.I.Gallyamova, R.I. Khusnutdinov // Journal of Physical Chemistry. 2019. Vol. 93, No. 11. p. 1668-1673.

2. Koledina K.F. Multi-objective optimization of chemical reaction conditions based on a kinetic model / K. F. Koledina, S. N. Koledin, A. P. Karpenko, I. M. Gubaydullin, M. K. Vovdenko // Journal of Mathematical Chemistry, 2019. Vol.57, Is. 2. p. 484-493

3. Panteleev A.V. Optimization methods in examples and problems: Textbook. Manual / A.V. Panteleev, T. A. Letova. M.: Higher School, 2002. 44 p.

4. Karpenko, A.P. Modern search engine optimization algorithms. Algorithms inspired by nature: a textbook / A.P. Karpenko. Moscow: Publishing House of Bauman Moscow State Technical University, 2014. 446 p.

5. Goldstein, A.L. Multicriteria genetic algorithm / A.L. Goldstein // Bulletin of Perm National Research Polytechnic University. Electrical engineering, information technology, control systems. 2013. No. 8. p. 14-22.

6. Wang, R. Preference-Inspired Co-evolutionary Algorithms: a thesis submitted in partial fulfillment for the degree of the Doctor of Philosophy / R. Wang. University of Sheffield, 2013. 231p.

7. Goldberg, D.E. Genetic Algorithms in Search, Optimization, and Machine Learning / D.E. Goldberg. Addison-Wesley, 1989. 432 p.

8. Sobol, I.M. The choice of optimal parameters in problems with many criteria: studies.handbook for universities / I.M. Sobol, R.B. Statnikov. 2nd ed., reprint. and additional – M.:Bustard, 2006. 175 p.

9. Abraham, A. Evolutionary multiobjective optimization: theoretical advances and applications. / A. Abraham, L. Jain, D. Goldberg. – New York: Springer Science, 2005. 302 p.

10. Deb, K. Towards a quick computation of well-spread Pareto-optimal solutions / K. Deb, M. Mohan, S. Mishra // Evolutionary Multi-Criterion Optimization. Springer. 2003. pp. 222-236.

11. Corne, D. Pesa-II: Region-based selection in evolutionary multiobjective optimization / D. Corne, N. Jerram, J. Knowles, M. Oates // GECCO 2001: Proceedings of the Genetic and Evolutionary Computation Conference, 2001. pp. 283-290.

12. Chowdhury, S. A mixed-discrete particle swarm optimization algorithm with explicit diversity-preservation / S. Chowdhury, W. Tong, A. Messac, J. Zhang // Structural and Multidisciplinary Optimization. 2013. Vol.47 (3). pp. 367-388.

13. Groshev, S.V. Efficiency of population algorithms of Pareto approximation. Experimental comparison / S.V. Groshev, A.P. Karpenko, V.A. Martynyuk // Online journal Naukovedenie. Vol. 8. No. 4 2016. pp. 123-131.

14. Koledina, K.F. Optimization of chemical reactions by economic criteria based on kinetics of the process / K.F. Koledina, S.N. Koledin, I.M. Gubaydullin // CEUR Workshop Proceedings, Vol. 1966. 2017. pp. 5-9.

15. Karpenko, A.P. Basic essences of population algorithms for the global optimization problem / A.P.Karpenko // Information and mathematical technologies in science and management. 2016. No. 2. pp. 8-17.