Refinamento da Frente de Pareto com Emprego do Método MOPSO Aplicado à Estimativa de Parâmetros Empíricos para a Equação de Estado Patel-Teja.
DOI:
https://doi.org/10.5540/03.2023.010.01.0089Palabras clave:
Refinamento, Otimização, Multiobjetivo, MOPSO, EOSResumen
Neste trabalho, uma técnica de refinamento de soluções ótimas para problemas multi- objetivo foi implementada por meio da imposição de restrições ao conjunto imagem das funções objetivo em adição à inicialização prévia da frente de Pareto. A técnica foi aplicada na estimativa de parâmetros empíricos para a Equação de Estado Patel-Teja com o método MOPSO-Light, o que permitiu uma análise mais detalhada dos resultados a partir da delimitação das chamadas regiões de interesse e do aumento da densidade de pontos no seu interior.
Descargas
Citas
A. Chatterjee e P. Siarry. “Nonlinear inertia weight variation for dynamic adaptation in particle swarm optimization”. Em: Computers & operations research 33 (2006), pp. 859–871. doi: 10.1016/j.cor.2004.08.012.
C.C. Coello e Lechuga. M.S. “MOPSO: A proposal for multiple objective particle swarm optimization”. Em: Proceedings of the 2002 Congress on Evolutionary Computation. 2002, pp. 1051–1056. doi: 10.1109/CEC.2002.1004388.
R. Eberhart e J. Kennedy. “A new optimizer using particle swarm theory”. Em: Proceedings of the Sixth International Symposium on Micro Machine and Human Science. 1995, pp. 39–43. doi: 10.1109/MHS.1995.494215.
J. D. Knowles e Corne D. W. “Approximating the Nondominated Front Using the Pareto Archived Evolution Strategy”. Em: Evolutionary Computation 8 (2000), pp. 149–172. doi: 10.1162/106365600568167.
A.S.T. Menegazzo et al. “Application of an equation of state incorporating association to alcohols up to decanol”. Em: Fluid Phase Equilibria 482 (2019), pp. 24–37. doi: https://doi.org/10.1016/j.fluid.2018.10.015.
B. T. S. Mota. “Estimação de parâmetros de modelos termodinâmicos via otimização multi-objetivo”. Tese de doutorado. IPRJ/UERJ, 2019.
National Institute of Standards NIST e Technology. NIST Chemistry WebBook, STD Number 69. Online. Acessado em 20/12/2022, https://webbook.nist.gov/chemistry/fluid/.
N.C. Patel e A.S. Teja. “A new cubic equation of state for fluids and fluid mixtures”. Em: Chemical Engineering Science 37.3 (1982), pp. 463–473. doi: https://doi.org/10.1016/0009-2509(82)80099-7.
G. R. Silva. “Estimação de parâmetros para uma equação cúbica de estado generalizada via otimização multiobjetivo”. Tese de doutorado. IPRJ/UERJ, 2022.
A.M. Soares Junior. MOPSO-Light. Online. Acessado em 06/02/2023, https://github.com/acirsoares/MOPSO_Light.
A.M. Soares Junior et al. “A Robust Algorithm for Roots Selection and Saturation Pressure Calculation for Cubic Equations of State”. Em: J Solution Chem 51 (2022), pp. 1353–1370.doi: 10.1007/s10953-022-01194-8.
A.M. Soares Junior et al. “Adaptação do Algoritmo PSO para Problemas Multiobjetivo, Iterações com Liderança Global Fixa”. Em: Proceeding Series of the Brazilian Society of Computational and Applied Mathematics. 2020, pp. 010349–7. doi: 10.5540/03. 2020.007.01.0349.
G. Soave. “Equilibrium constants from a modified Redlich-Kwong equation of state”. Em: Chemical Engineering Science 27.6 (1972), pp. 1197–1203. doi: https://doi.org/10.1016/0009-2509(72)80096-4.
J. O. Valderrama. “The State of the Cubic Equations of State”. Em: Eng. Chem. Res. 45 (2003), pp. 1603–1618. doi: 10.1021/ie020447b.
A.P.C. Vinhal et al. “Improving water–hydrocarbon equilibrium calculations using multi objective optimization”. Em: Fluid Phase Equilibria 566 (2023), p. 113670. doi: 10.1016/j.fluid.2022.113670.
