بهينه‌سازي مصرف آب در صنايع با استفاده از الگوريتم مورچگان

the optimal design of water-using networks using ant colony optimization

آب بعنوان يك ماده مهم و كليدي در فرايندهاي مختلفي در صنايع شيميايي به مصرف مي رسد. با توجه به استفاده فراوان از آب در صنايع شيميايي و آلوده شدن اين ماده باارزش و محدوديت هاي زيست محيطي كه روز به روز سختگيرانه تر مي شوند، صرفه جويي و استفاده بهينه از منابع آبي از طرق مختلفي چون استفاده مجدد، احيا و بازچرخاني و... احساس مي شود كه بررسي اين مسائل در واحدهاي صنعتي منجر به مسئله اي تحت عنوان طراحي بهينه شبكه تخصيص آب و تصفيه پساب مي شود. در اين كار ابتدا فرمولاسيون رياضي مرتبط با شبكه هاي تخصيص آب و تصفيه پساب به صورت توام در قالب يك مساله بهينه سازي براي حالت حداقل آب مصرفي و همچنين بهينه سازي اقتصادي شبكه آب، بر اساس مدل ابرساختار توسعه داده شده است. فرمولاسيون حاصل، يك مساله بهينه سازي غيرخطي پيچيده است كه قادر است كليه محدوديت هاي عملي حاكم بر سيستم را در نظرگيرد. از آن جايي كه يكي از راه حلهاي مناسب براي اين دسته از مسائل، استفاده از شيوه هاي نوين بهينه يابي مبتني بر الگوريتم هاي تكاملي مي باشد، بنابر اين در اين پايان‌نامه، روش تركيبي الگوريتم تكاملي و برنامهريزي رياضي بعنوان يك روش جايگزين براي تكنولوژي پينچ آبي معرفي شده است. از مزاياي اين نگرش مي توان به سرعت بالا، يافتن بهينه كلي و محدود بودن بازه تغييرات متغييرهاي تصميمگيري (غلظت در خروجي واحدها)، كه باعث كوچك تر شدن فضاي جستجو و افزايش كارايي الگوريتم مي گردد، اشاره كرد. موارد مطالعاتي مختلفي كه شامل مسائل چند آلاينده و همراه با چندين واحد تصفيه جهت بررسي عملكرد الگوريتم مورد بررسي قرارگرفت كه در تمام موارد، مسئله بهينه سازي به نقطه بهينه كلي مي رسد كه اين جواب در بعضي از موارد جوابي بهتر از جواب ارائه شده در مراجع مي باشد.

Industrial water systems often allow efficient water uses via water reuse and/or recirculation. The design of the network layout connecting water-using processes is a complex problem which involves several criteria to optimize. The general problem can be formulated as a non-convex nonlinear program (NLP), but due to the presence of bilinear terms, it may be difficult for local optimization solvers to attain global optimal solutions. To overcome this difficulty, this paper presents a hybrid approach combining the global optimization power of evolutionary algorithms and speed and accuracy of mathematical programming technics.By this strategy, local solutions can be avoided and the probability of finding the global optimal solution to the problem is increased.This approach considers simultaneously the optimal distribution of water to satisfy process demands and optimal treatment of effluent streams.The approach features fast and robust solution strategy.Case studies are used to demonstrate the method.