Beschreibung
Designoptimierungsprobleme der chemischen Industrie zeichnen sich durch eine große Anzahl diskreter und kontinuierlicher Entscheidungsvariablen, komplexe nichtlineare, den Suchraum beschränkende Modelle, nichtlineare Kostenfunktionen und die Existenz vieler lokaler Optima aus. Der Standardansatz zur Lösung dieser Probleme besteht darin mathematische Methoden zur gemischt-ganzzahligen Optimierung (MINLP) einzusetzen, die auf einer Repräsentation aller sinnvollen Designalternativen arbeiten. Aufgrund hoher Rechenzeiten und fehlender Globalität der Suche sind diese Methoden jedoch noch weit davon entfernt in der Praxis Anwendung zu finden. In dieser Arbeit wird ein memetischer Algorithmus (MA) zur globalen Designoptimierung chemischer Prozesse am Beispiel einer reaktiven Rektifikationskolonne mit optionalem Außenreaktor entwickelt. Der MA kombiniert eine Evolutionsstrategie (ES) mit einem robusten MP-Löser. Die ES übernimmt die globale Optimierung der Designentscheidungen, während der MP-Löser zur Simulation der von der ES vorgeschlagenen Designalternativen und zur Verbesserung der Individuen der ES in den kontinuierlichen, stark beschränkten Unterräumen eingesetzt wird. Ein Vergleich des MA mit dem Stand der Technik entsprechenden MINLP-Lösern zeigt, dass das neue Konzept den benötigten Rechenaufwand um mehr als eine Größenordnung reduziert. Steigende Komplexität des Fallbeispiels führt bei den MINLP-Techniken zu großen Schwankungen des Rechenaufwandes und der Lösungsgüte, während der MA ein durchgehend robustes Verhalten bei sehr guter Lösungsqualität und moderatem Rechenzeitanstieg aufweist. Diese Ergebnisse weisen auf großes Potential dieser Klasse memetischer Algorithmen zur Designoptimierung echter Praxisprobleme der chemischen Industrie hin.
