Formulação teórica dos fundamentos da otimização global topográfica com análise de desempenho e aplicações à estabilidade de fases de misturas termodinâmicas

Métodos de otimização que utilizam condições de otimalidade de primeira e/ou segunda ordem são conhecidos por serem eficientes. Comumente, esses métodos iterativos são desenvolvidos e analisados à luz da análise matemática do espaço euclidiano n-dimensional, cuja natureza é de caráter local. Consequentemente, esses métodos levam a algoritmos iterativos que executam apenas as buscas locais. Assim, a aplicação de tais algoritmos para o cálculo de minimizadores globais de uma função não linear,especialmente não-convexas e multimodais, depende fortemente da localização dos pontos de partida. O método de Otimização Global Topográfico é um algoritmo de agrupamento, que utiliza uma abordagem baseada em conceitos elementares da teoria dos grafos, a fim de gerar bons pontos de partida para os métodos de busca local, a partir de pontos distribuídos de modo uniforme no interior da região viável. Este trabalho tem dois objetivos. O primeiro é realizar uma nova abordagem sobre método de Otimização Global Topográfica, onde, pela primeira vez, seus fundamentos são formalmente descritos e suas propriedades básicas são matematicamente comprovadas. Neste contexto, propõe-se uma fórmula semi-empírica para calcular o parâmetro chave deste algoritmo de agrupamento, e, usando um método robusto e eficiente de direções viáveis por pontos-interiores, estendemos o uso do método de Otimização Global Topográfica a problemas com restrições de desigualdade. O segundo objetivo é a aplicação deste método para a análise de estabilidade de fase em misturas termodinâmicas,o qual consiste em determinar se uma dada mistura se apresenta em uma ou mais fases. A solução deste problema de otimização global é necessária para o cálculo do equilíbrio de fases, que é um problema de grande importância em processos da engenharia, como, por exemplo, na separação por destilação, em processos de extração e simulação da recuperação terciária de petróleo, entre outros. Além disso, afim de ter uma avaliação inicial do potencial dessa técnica, primeiro vamos resolver 70 problemas testes, e então comparar o desempenho do método proposto aqui com o solver MIDACO, um poderoso software recentemente introduzido no campo da otimização global.

Optimization methods that use optimality conditions of first and/or second order are known to be efficient. Commonly, such iterative methods are developed and analyzed in the light of knowledge concerning the mathematical analysis in n-dimensional Euclidean spaces, whose nature is of local character. Consequently, these methods lead to iterative algorithms that perform only local searches. Thus, the application of such algorithms to the calculation of global minimizers of a non-linear function, especially non-convex and multimodal, depends strongly on the location of the starting points. The Topographical Global Optimization method is a clustering algorithm, which uses an ingenious approach based on elementary concepts of graph theory, in order to generate good starting points for local search methods, from points distributed uniformly in the interior of the feasible set. The purpose of this work is two-fold. The first is a revisit to the Topographical Global Optimization method, where, for the first time, its foundations are formally described and its basic properties are mathematically proven. In this context, we propose a semi-empirical formula for computing the key parameter of this clustering algorithm, and, using a robustand efficient direction interior-point method, we extend the use of the Topographical Global Optimization method to problems with inequality constraints. The second objective is the application of this method to the phase stability analysis of mixtures, a difficult and important global optimization problem of the chemical engineering thermodynamics. Furthermore, in order to have an initial assessment of the power of this technique,first we solve 70 test problems, and then compare the performance of the method considered here with the MIDACO solver, a powerful software recently introduced in the field of global optimization.