Análise de métodos de otimização multiobjetivos aplicados a processos químicos

Abstract

No presente trabalho, teve-se como objetivo o estudo de dois métodos de otimização evolutivos, Particle Swarm Optimization (PSO) + Soma Ponderada e Non-dominated Sorting Genetic Algorithm II (NSGA-II), para otimização multiobjetivo de processos químicos. Na estratégia de aplicação do PSO, a estratégia de soma ponderada foi utilizada para agregar as funções objetivos individuais. Os dois métodos foram implementados em linguagem Python e os processos foram simulados no software Unisim-Design®. A toolbox Pymoo foi utilizada para implementar o algoritmo NSGA-II. Dois casos testes foram utilizados para a implementação dos métodos: (i) Destilação do n-pentano e (ii) Processo de Produção de Metanol a partir da Reforma do Gás Natural. As métricas que utilizadas para avaliação do desempenho dos algoritmos foram: custo computacional, valores das variáveis de decisão, valores ótimos da função-objetivo e métricas de comparação da curva de Pareto IGD+ e GD+. O método PSO apesar de um elevado custo computacional foi capaz de fornecer soluções ótimas, se aproximando mais do resultado do NSGA-II no processo mais simples, e sendo evidenciado através dos indicadores IGD+ e GD+.