Universidade Estadual de Campinas

Faculdade de Engenharia Qumica

Simulated Annealing
IQ-382 Otimizao de Processos Qumicos
Grupo:
Alan Mozzaquattro
Jnia Aguilar Ferreira Bernardes
Mauro Junior Aires de Oliveira

Prof. Reginaldo Guirardello

Campinas SP, 30 de novembro de 2015

Contedo da Apresentao

Introduo

Simulated annealing:

Analogia Fsica

Descrio do algoritmo pseudo-cdigo

Exemplo

Referncias

IQ-382 - Otimizao de Processos Qumicos

Introduo

Algoritmos Exatos:

Se baseiam em mtodos matemticos.

Apesar de garantirem a soluo tima, eles demandam uma modelagem mais

complexa e podem demorar muito tempo para encontrar uma soluo
dependendo do tipo de problema.

Ex: Branch and Bound, Interval e Multstart

Heursticas

No garante a soluo tima, mas consegue boas solues em um tempo de

execuo aceitvel.

Ex: Algoritimo gentico, Simulated Annealing, busca Tabu

IQ-382 - Otimizao de Processos Qumicos

Introduo

Mtodos de
Otimizao
global

Mtodos exatos

Mtodos de
busca heurstica

Heursticas
especificas
Busca local
Metaheursticas
Busca
populacional

IQ-382 - Otimizao de Processos Qumicos

Simulated Annealing Analogia Fsica

Simulated Annealing = Recozimento simulado

Proposto originalmente por S. Kirkpatrick; C. D. Gelatt; M. P. Vecchi (Science,

1983), com base no algoritmo de Metropolis.

um algoritmo de busca local probabilstica.

O recozimento de metais um tipo de tratamento trmico que consiste em se

aquecer o material at uma determinada temperatura e, em seguida, resfrialo lentamente permitindo um rearranjo dos tomos na estrutura do metal at
que o material se solidifique.

IQ-382 - Otimizao de Processos Qumicos

Simulated Annealing Analogia Fsica

Resfriamento rpido: resulta em materiais de maior energia com imperfeies

em sua estrutura cristalina o que significa materiais mais frgeis.

Resfriamento lento: permite ao material tempo de se organizar com a menor

energia possvel, ou seja, uma estrutura cristalina organizada e um material
mais resistente.

Durante o processo de resfriamento, o conjunto de tomos do material se

rearranja passando aleatoriamente por vrios estados possveis.

Algoritmo de Metropolis (1953)

IQ-382 - Otimizao de Processos Qumicos

Simulated Annealing Analogia Fsica

Algoritmo Metropolis

Simula o comportamento de um conjunto de tomos em uma determinada

temperatura

Essa anlise probabilstica permite que estados de maior energia que o anterior
tambm possam ser aceitos o que leva a uma simulao mais eficiente para
obteno do estado de menor energia.

IQ-382 - Otimizao de Processos Qumicos

Simulated Annealing Analogia Fsica

Esse problema de se encontrar o estado de menor energia de um sistema a uma
baixa temperatura similar aos problemas de otimizao combinatorial.

Recozimento de metais

Problemas de otimizao

Estados possveis do metal

Solues do espao de busca

Energia

Valor da funo objetivo

Energia mnima

Soluo tima

IQ-382 - Otimizao de Processos Qumicos

Simulated Annealing - Algoritmo

1.

T, c, N, xk

2.

F(xk)

3.

xk+1

4.

F(xk+1)

5.

F = F(xk+1) - F(xk)

6.

Se F 0 xk = xk+1 ; seno passo 7

7.

0<u<1

8.

P = exp(- F/T)

IQ-382 - Otimizao de Processos Qumicos

Simulated Annealing - Algoritmo

9.

Se u < P xk = xk+1 ; seno passo 10

10.

k=k+1

11.

Se k N volta para o passo 3; seno passo 12

12.

Se T Tmin T = cT, k = 0 e volta para o passo 3; seno xk = x*

IQ-382 - Otimizao de Processos Qumicos

10

Simulated
Annealing Algoritmo

IQ-382 - Otimizao de Processos Qumicos

11

Exemplo

Passo 1: Ti Estabelecido pela mdia de quatro pontos aleatrios; x(1):{2,0}; x(2):

{5,10}; x(3):{8,5}; x(4):{10,10};
Ti=f(1)+ f(2)+ f(3)+ f(4)=476+340+381+340=384,25; para n=2 interaes e fator de
reduo da temperatura c=2.
Estabeleceremos um valor inicial x(1)={4,5};
Passo 2: Avaliar a funo objetiva x(1); obtm f(1)=390, para n=1.

IQ-382 - Otimizao de Processos Qumicos

12

Exemplo
Passo 3: Gerar um novo x(2) na vizinhana de x(1);por uma distribuio uniforme
estabelecida. Logo x(2)={1,72;5,84}; o valor da funo f(2)=387,7312
f= f(2)+ f(1)=387,7312-394,0=38,7312
Se f 0 ento aceitaremos X(2) como sendo o novo ponto; Seno:
Equao indica a probabilidade de aceitar o novo ponto
P(X(2))=e-(f/kt)=e-38,7312/384,25=0,9041
Deve gera um nmero randmico no intervalo [0;1]
Logo aceitaremos como sendo o novo ponto x(2);retornar passo 3.

IQ-382 - Otimizao de Processos Qumicos

13

Exemplo
Passo 3 : Executar interao n=2
Gerar um novo x(3) na vizinhana de x(2);por uma distribuio uniforme
estabelecida. Logo x(3)={6,76;8,60}; o valor da funo f(3)=313,3264
f= f(2)+ f(1)=313,3264-387,7312= -387,7312
Passo 4 : Se f 0 ento aceitaremos X(3) como sendo o novo ponto.
Tal que: Para n=2 ( interaes estabelecidas)

IQ-382 - Otimizao de Processos Qumicos

14

Exemplo
Passo 5: Uma vez que um ciclo de iteraes, com o valor atual da temperatura
completada, se reduzir a temperatura para um novo valor de t = 0,5. (384,25) =
192, 125. Repor o nmero da iterao atual como i = 1 e voltar para o passo 3.
Passo 3: Gerar um novo ponto de nas vizinhanas ponto de criao e continuar o
processo at que a temperatura seja reduzida para um valor pequeno (at
convergncia).

IQ-382 - Otimizao de Processos Qumicos

15

Referncias

EDGAR, Thomas F.; HIMMELBLAU, David M.; LASDON, Leon S.. Global Optimization
for Problems with Continuous and Discrete Variables. In: EDGAR, Thomas F.;
HIMMELBLAU, David M.; LASDON, Leon S..Optimization of chemical processes.2.
ed. New York: The Mcgraw-hill Companies, Inc., 2001. Cap. 10. p. 381-414.
(McGraw-Hill Chemical engineering series).

KIRKPATRICK, S.; GELATT, C. D.; VECCHI, M. P.. Optimization by Simulated

Annealing.Science, v. 220, n. 4598, p.671-680, 13 maio 1983. American Association
for the Advancement of Science (AAAS). DOI: 10.1126/science.220.4598.671.

RAO, Singiresu S..Engineering Optimization:Theory and Practice. 4. ed. Hoboken:

John Wiley & Sons, Inc, 2009. 813 p.

IQ-382 - Otimizao de Processos Qumicos

16

Obrigado pela ateno!

IQ-382 - Otimizao de Processos Qumicos

17