کاربرد الگوریتم های ژنتیک در بهینه سازی های مهندسی شیمی

افزایش تقاضا برای کاهش هزینه های عملیاتی و رسیدن به درک بهتر فرایندهای شیمیایی، منجر بهافزایش تمرکز بر روی بهینه سازی (Optimization) نرم افزارهای کاربردی مهندسی شیمی شدهاست. بهینه سازی برای مدل سازی فرایند، سنتز، طراحی، بهره برداری و مقاوم سازی مواد شیمیایی،پتروشیمی، دارویی، انرژی و فرآیندهای مرتبط با آنها بسیار حائز اهمیت است. معمولا، مهندسینشیمی به منظور بهبود عملکرد، هزینه ها، سوددهی و ایمنی، نیاز به بهینه سازی طراحی عملیاتیسیستم های فرآیند صنعتی دارند. در واقع بهینه سازی یک عملیات مهم و پیچیده تصمیم گیری درمورد سیستم های مهم مورد درگیر در مهندسی شیمی است. بهینه سازی سیستم فرایند، چالشجدیدی را به راه انداخته است، زیرا مشکلات نرم افزاری مهندسی شیمی اغلب پیچیده و دارایمحدودیت های اساسی در حل روابط ریاضی است. به تازگی، الگوریتم ژنتیک (GA:Genetic Algorithm) با توجه به توانایی های آن برای رسیدگی به اهداف متعدد به طور همزمان، به طورگسترده برای چنین برنامه های کاربردی، استفاده شده است. الگوریتم ژنتیک روشی جهتبهینه سازی است که از یک اصل زیستی با موضوع زایش و تکامل موجودات زنده و بقایشایسته ترین، الهام گرفته است. در این الگوریتم اعضا شایسته یک نسل برای ایجاد نسلی از اعضایاحتمالاً شایسته تر، ترکیب می شوند. بسیاری از سازگاری های جدید الگوریتم ژنتیک به منظورتسهیل در حل معضلات پیچیده، در بیش از دو دهه گذشته توسعه یافته اند است. تعدادی ازمطالعات جالب در این مسیر، بهینه سازی رآکتورهای پلیمریزاسیون، رآکتورهای کاتالیتیک،تجهیزات جداسازی، برنامه ریزی و زمان بندی، و نرم افزارهای کاربردی مبتنی بر داده است.در این مطالعه، جعبه ابزار الگوریتم ژنتیک موجود در نرم افزار MATLAB v8.6 ، به منظور مدلسازی، مورد بررسی کاربردی و نقادانه قرار گرفته است. این جعبه ابزار دارای دستوراتی برایاجرای بهینه سازی توسط الگوریتم ژنتیک در دو حالت گرافیکی و استفاده در خط فرمان است کهبه کاربر انتخاب های زیادی برای کنترل تمام مراحل اجرای الگوریتم می دهد.

کلیدواژه ها:

الگوریتم ژنتیک ، بهینه سازی ، مهندسی شیمی ، نرم افزار MATLAB