TỐI ƯU HÓA TRONG CÔNG NGHỆ HÓA HỌC 2019-2020

TỐI ƯU HÓA TRONG CÔNG NGHỆ HÓA HỌC

Tùy theo số lượng và dạng của các thông số điều chỉnh chia thành:

• Tối ưu một thông số.

• Tối ưu nhiều thông số.
• Tối ưu trong điều kiện không xác định.
• Tối ưu hóa với biến giá trị liên tục, số nguyên, rời rạc và hỗn hợp của các giá trị của các tác
động điều khiển.

Bài toán tối ưu:

• Tìm đỉnh (hoặc đáy).

• Cách đi lên nhanh nhất.

Khái niệm tối ưu hóa:

Tối ưu hóa là hoạt động có mục đích, nhằm có được kết quả tốt nhất (giá trị của các tham số đối
tượng) trong các điều kiện thích hợp.

Tối ưu hóa gồm:

• Tìm cực trị của hàm đang được xét.

• Điều kiện tối ưu để thực hiện quy trình công nghệ.

Để đánh giá giá tối ưu, trước tiên cần chọn tiêu chí tối ưu hóa:

• Đánh giá định lượng chất lượng được tối ưu hóa của đối tượng.
• Đây là dấu hiệu chính của hiệu quả giải quyết vấn đề tối ưu hóa.

Trình tự thực hiện bài toán tối ưu:

• Bước 1: Chọn tiêu chuẩn tối ưu hóa.

• Bước 2: Lập quan hệ (mô hình toán học) giữa hàm mục tiêu và các yếu tố khảo sát thông qua
thí nghiệm hoặc các quy luật (cân bằng vật chất, cân bằng năng lượng, v.v) hoặc chuẩn số thực
nghiệm. Mô hình toán học thu được có thể ở dạng tuyến tính hoặc phi tuyến.
• Bước 3: Tìm thuật toán (phương pháp tìm giá trị tối ưu) của mục tiêu. Mục tiêu này có thể là
hàm, là biến, hoặc có thể là hỗn hợp. Nhưng mục tiêu chung đều là tìm cực trị (cực tiểu) X* sao
cho thỏa mục tiêu f(X*) → Min. Trong trường hợp tìm cực đại X* để g(X*) → Max thì đặt f(X)
= -g(X), sau đó tìm X* để f(X*) → Min, đồng nghĩa với việc tìm g(X*) → Max.

LHQV – KSTN 17 2
TỐI ƯU HÓA TRONG CÔNG NGHỆ HÓA HỌC 2019-2020

Khi bài toán có nghiệm giải tích, ta sẽ giải theo phương pháp giải tích. Đây là phương pháp cho
nghiệm chính xác. Các bài toán thực tế không có dạng giải tích, mô hình lập được có dạng giải tích
do ta đã đưa ra các giả thuyết để đơn giản hóa quá trình lập mô hình. Vậy mô hình toán học có
dạng giải tích thu được chỉ là mô hình gần đúng, và nghiệm thu được từ phương pháp giải tích chỉ
là nghiệm gần đúng so với nghiệm tối ưu ta cần tìm.

Khi bài toán không có dạng giải tích, ta sẽ áp dụng phương pháp số để giải quyết. Các giá trị thu
được từ phương pháp này là các trị rời rạc.

Tiêu chuẩn tối ưu hóa: các tiêu chí này cần định lượng được, duy nhất, kiểm tra và thực thi được.
Tiêu chí đề ra càng cao thì càng khó thực hiện.

• Chỉ tiêu công nghệ: năng suất, hiệu suất, v.v.

• Chỉ tiêu kinh tế: giá thành, chi phí năng lượng, chi phí nhân công, v.v.
• Chỉ tiêu kinh tế kỹ thuật (nếu đảm bảo chỉ tiêu kinh tế kỹ thuật sẽ thỏa được các chỉ tiêu kinh
tế).
• Chỉ tiêu khác như tâm lý, thẩm mỹ, môi trường, xã hội, v.v.

Ví dụ trong thiết kế, ta cần thiết kế sao cho thỉa các chỉ tiêu kinh tế kỹ thuật như tốn ít các đường
ống nhất, tốn ít các thiết bị lắp ghép nhất. Từ các chỉ tiêu kinh tế kỹ thuật đó, ta có thể thỏa được
các chỉ tiêu kinh tế như chi phí năng lượng, chi phí nhân công.

Ví dụ trong thiết bị cô đặc (thiết bị truyền nhiệt), nếu chỉ sử dụng 1 nồi cô đặc thì sẽ tốn rất nhiều
năng lượng. Nhưng nếu sử dụng hệ thống nồi cô đặc thì hiệu quả sử dụng năng lượng sẽ cao hơn,
tuy nhiên số lượng nồi cô đặc của hệ thông này ta chưa biết. Cần thực hiện bài toán tối ưu để xác
định được số nồi (chỉ tiêu kinh tế kỹ thuật), từ đó sử dụng triệt để năng lượng hơn (chỉ tiêu kinh
tế).

Ví dụ trong tháp chưng cất (thiết bị truyền khối), ta thường phải xác định chỉ số hồi lưu tối thiểu
(Rmin). Thông thường, người ta sẽ lập bảng giá trị sau:
R Rmin R1 R2 … Rn
nlt  n1 n2 … nn
V  V1 V2 … Vn
Thông qua bảng giá trị này, ta sẽ lập được đồ thị V=f(R), từ đó xác định được Ropt (chỉ số hồi lưu
tối ưu), đồng nghĩa với việc xác định được tháp chưng cất có thể tích bé nhất (chỉ tiêu kinh tế kỹ
thuật). Vậy ta sẽ xác định được chi phí đầu tư bé nhất (chỉ tiêu kinh tế).

Ta cũng có thể thông qua các số liệu này để xác định đồ thị S=f(R), từ đó xác định được Ropt (chỉ
số hồi lưu tối ưu). S (chi phí tổng) là đường cong tổng hợp của S1 (chi phí hơi đốt), S2 (chi phí đầu
tư), S3 (chi phí vận hành).

LHQV – KSTN 17 3
TỐI ƯU HÓA TRONG CÔNG NGHỆ HÓA HỌC 2019-2020

Bài toán tối ưu hóa gồm:

• Chọn chỉ tiêu để tối ưu.

• Lập quan hệ phụ thuộc chỉ tiêu tối ưu vào các yếu tố ảnh hưởng.
• Tìm các cực trị của hàm đã lập được.
• Đánh giá, kiểm định giá trị tìm được.

Giá trị tối ưu:

• Mục tiêu: chỉ tiêu công nghệ (năng suất, hiệu suất, v.v).
• Điều kiện cho biến: có hay không có điều kiện.
• Khả năng đánh giá: đo bằng thực nghiệm hay thống kê.

Đòi hỏi đối với tiêu chuẩn tối ưu:

• Tiêu chí tối ưu phải là duy nhất.

• Tiêu chí tối ưu phải được thể hiện bằng số.

Dựa trên tiêu chí tối ưu đã chọn, thiết lập hàm mục tiêu (hàm lợi ích):

• Sự phụ thuộc của tiêu chí tối ưu vào các tham số ảnh hưởng đến giá trị của nó.
• Phương pháp tìm kiếm tối ưu.

Hàm mục tiêu:

• Một tiêu chí tối ưu là một hàm của các thông số đầu vào F=f(x1, x2, …, xn).
• F càng lớn (càng nhỏ) càng tốt.

Kết quả của bài toán tối ưu: sẽ có 3 trường hợp có thể xảy ra

• Bài toán có nghiệm duy nhất.

• Bài toán có vô số nghiệm.
• Bài toán có miền khả thi là miền mở (không có giới hạn).

TỐI ƯU HÓA MỘT THÔNG SỐ MỘT MỤC TIÊU

Ví dụ trong học tập, ta cần phải tối ưu thời gian học. Tổng thời gian luôn là hằng số, do đó muốn
tối ưu hàm mục tiêu là thời gian học → Max thì ta cần phải tối ưu hàm [Tổng thời gian – Thời gian
khác] → Min. Ta chỉ giải quyết bài toán tìm cực tiểu của hàm, không giải quyết bài toán tìm cực
đại của hàm.

LHQV – KSTN 17 4
TỐI ƯU HÓA TRONG CÔNG NGHỆ HÓA HỌC 2019-2020

Đặt bài toán:

Tìm x*  [a;b]: xi < x*; xj > x* thì f(xi) > f(x*) < f(xj).

Khi cần tìm x*: g(x*) → Max: f(x) = -g(x).

Yêu cầu (giả thiết):

• f(x) có dạng giải tích: là hàm liên tục được xây dựng từ số liệu rời rạc trong đoạn tương ứng
khảo sát. f(X) phải được đánh giá sai số.
• Biết đoạn [a;b]: tồn tại 1 cực tiểu cho phép. Tuy nhiên ngoài điểm cực tiểu này, hàm còn có
nhiều điểm cực tiểu khác. Tương tự cho trường hợp cực đại. Ta chỉ tìm từng cực trị, không thể
tìm mọi cực trị cùng lúc.
• Sai số cho phép  > 0 bé tùy ý. Sai số  này là sai số do tính toán hoặc do hàm lập ra, là sai số
của hàm hoặc biến tùy vào yêu cầu của bài toán.

Thực hiện:

• Bước 1: Tìm đoạn [a;b]: có một cực tiểu. Vẽ đồ thị của f(x) để tìm thấy đoạn này một cách trực
quan nhất.
• Bước 2: thu hẹp [a;b]: tìm x*  [a;b]: |f(x*)|   (sai số  đã chọn trước đó).

Tối ưu hóa một thông số bằng phương pháp:

• Phương pháp phân đôi:

Bước 1: tìm khoảng chứa nghiệm [a;b] có 1 nghiệm

duy nhất bằng cách vẽ đồ thị, chọn  tùy ý.

Bước 2: tìm điểm giữa c là trung điểm của a và b theo

𝑎+𝑏
công thức 𝑐 = .
2

 
Bước 3: biết c, tính giá trị 𝑥1 = 𝑐 − 3 𝑣à 𝑥2 = 𝑐 + 3,

từ đó tính được giá trị f(x1) và f(x2) tương ứng.

Bước 4: so sánh giá trị f(x1) và f(x2). Nếu f(x1) < f(x2)
thì thay b bằng c, nếu f(x1) > f(x2) thì thay a bằng c.

Bước 5: : tính  = |b-a| mới tìm được. Nếu  <  thì

dừng thì ta coi 1 giá trị bất kỳ trên đoạn [a;b] là
nghiệm. Nếu không, ta quay trở lại bước 2 với giá trị
a b mới và tiếp tục xét.

LHQV – KSTN 17 5
TỐI ƯU HÓA TRONG CÔNG NGHỆ HÓA HỌC 2019-2020

• Phương pháp lát cắt vàng:

Bước 1: tìm khoảng chứa nghiệm [a;b] có 1

nghiệm duy nhất bằng cách vẽ đồ thị, chọn  tùy ý.

Bước 2: tìm điểm giữa L thông qua giá trị a, b vừa

tìm theo công thức: 𝐿 = 𝑎 + 0.382 × |𝑏 − 𝑎|.

Bước 3: biết L, tính giá trị 𝑥1 = 𝐿 − 3 𝑣à 𝑥2 = 𝐿 +

, từ đó tính được giá trị f(x1) và f(x2) tương ứng.
3

Bước 4: so sánh giá trị f(x1) và f(x2). Nếu f(x1) <

f(x2) thì thay b bằng c, nếu f(x1) > f(x2) thì thay a
bằng c.

Bước 5: tính  = |b-a| mới tìm được. Nếu  <  thì

dừng thì ta coi 1 giá trị bất kỳ trên đoạn [a;b] là
nghiệm. Nếu không, ta quay trở lại bước 2 với giá
trị a b mới và tiếp tục xét.

• Phương pháp quét.

• Phương pháp Fibonacci.
• Phương pháp khác như dùng công cụ Solver trong Excel hoặc Minimize trong Mathcad.

Lưu ý: phương pháp phân đôi và phương pháp lát cắt vàng thuộc phương pháp lặp.

Mỗi phương pháp này đều có ưu và nhược điểm riêng. Ta cần so sánh và chọn ra phương pháp phù
hợp nhất với bài toán tối ưu đang xét. Các phương pháp này thông thường cần có sự trợ giúp của
máy tính để có thể giải quyết một cách nhanh chóng và chính xác. Trong Excel, ta có thể sử dụng
công cụ Solver để giải quyết các bài toán tối ưu.

Ví dụ: Từ bảng số liệu thu được từ thực

nghiệm, ta lập được hàm 𝑓(𝑥) = 2 × 𝑥 2 + 𝑒 −𝑥
và cần f(x) → Min với độ chính xác  = 10-4.
Biết rằng trên [0;1] có một cực tiểu.

Bước 1: vẽ đồ thị, ta xác định được [a;b] = [0;1]

có cực trị (cực tiểu).

Bước 2: sử dụng các phương pháp khác nhau

để giải quyết bài toán tối ưu.

LHQV – KSTN 17 6
TỐI ƯU HÓA TRONG CÔNG NGHỆ HÓA HỌC 2019-2020

Phương pháp phân đôi

𝑎+𝑏  
Chọn 𝑐 = . Với 𝑥1 = 𝑐 − 𝑣à 𝑥2 = 𝑐 + , ta suy ra giá trị f(x1) và f(x2) tương ứng.
2 3 3

So sánh giá trị f(x1) và f(x2). Nếu f(x1) < f(x2) đúng thì ta giữ a và thay b=c, nếu sai thì ta giữ b và
thay a=c.

Tính  = |b-a| và so sánh  với . Nếu  > , ta tiếp tục vòng lặp với [a;b] mới vừa tìm được. Nếu
 < , ta dừng vòng lặp và kết luận.

Phương pháp lát cắt vàng

Nếu sử dụng phương pháp lát cắt vàng thì tốc độ tìm được nghiệm tối ưu sẽ nhanh hơn. Ta chọn
3−√5
giá trị của 𝑐 = × |𝑎 − 𝑏|, sau đó thực hiện các bước tương tự. Nếu  = |b-a| < , ta dừng vòng
2

lặp và kết luận.

TỐI ƯU HÓA NHIỀU THÔNG SỐ MỘT MỤC TIÊU

Đặt bài toán

Cần tìm cực trị (cực tiểu) hàm nhiều biến: F = f(x1, x2, …, xn) = f(X)

Cần tìm X* = x*1, x*2, … x*n để f(X*) → Min

Nếu cần tìm X* để g(X*) → Max thì đặt f(X) = -g(X).

Tìm X* để f(X*) → Min cũng đồng nghĩa với việc tìm g(X*) → Max

Yêu cầu (giả thiết):

• f(X) có dạng giải tích: là hàm liên tục được xây dựng từ số liệu rời rạc trong đoạn tương ứng
khảo sát. f(X) phải được đánh giá sai số.
• Biết bộ giá trị Xo gần đúng ban đầu sao cho f(Xo) tiến gần tới giá trị
• Sai số cho phép  > 0 bé tùy ý. Sai số  này là sai số do tính toán hoặc do hàm lập ra, là sai số
của hàm hoặc biến tùy vào yêu cầu của bài toán.

Thực hiện:

• Bước 1: Tìm Xo (bộ số gần đúng ban đầu).

Không có phương pháp chung để tìm Xo cho mọi bài toán mà phụ thuộc nhiều vào kinh nghiệm.
Trong ngành công nghệ hóa học thì:

▪ Nồng độ thường có giá trị từ 0 → 1.

▪ Các biến thường không âm, nghĩa là X  0.

LHQV – KSTN 17 7
TỐI ƯU HÓA TRONG CÔNG NGHỆ HÓA HỌC 2019-2020

▪ xi  [Min; Max] nên có thể tìm thông qua khảo sát sơ bộ (thực nghiệm).

Các biến trong quy hoạch thực nghiệm: 0, 1,  (đã đề cập ở môn học XLSL và QHTN).
Ban đầu Min Max
Chuyển đổi -1 +1
Sau đó - +
• Bước 2: Tìm X* thông qua Xo (bộ số gần đúng ban đầu) theo 1 trong 3 phương pháp:
1.1.Phương pháp luân phiên từng biến (Univariate and Pattern search).
▪ Phương pháp gradient (phương pháp Newton).
▪ Phương pháp dùng máy tính (công cụ Solver trong Excel, minimize).

Ví dụ: Tìm Min của hàm 𝑓(𝑥1 , 𝑥2 ) = (𝑥2 − 𝑥12 )2 + (1 − 𝑥1 )2 với Xo = (0.5; 0.5) và  = 10-4.

Phương pháp 1: Phương pháp luân phiên từng biến

• Bước 1: Xem 𝑥2 = 𝑐𝑜𝑛𝑠𝑡, ta tìm cực trị của hàm 𝑓(𝑥1 , 0.5) và thu được giá trị x11.
• Bước 2: Xem 𝑥1 = 𝑐𝑜𝑛𝑠𝑡, ta tìm cực trị của hàm 𝑓(0.5, 𝑥2 ) và thu được giá trị x21. Vậy ta thu
được 𝑋1 (𝑥11 ; 𝑥21 ).
• Bước 3:  = |𝑥10 − 𝑥11 | + |𝑥20 − 𝑥21 | >  thì thay Xo bằng X1 và tiến hành vòng lặp kế
tiếp. Nếu  = |𝑥10 − 𝑥11 | + |𝑥20 − 𝑥21 | <  thì ta sẽ dừng vòng lặp và kết luận.

Phương pháp 2: Phương pháp Gradient

𝜕𝐹
Bước 1: 𝑋1 = 𝑋𝑜 − ℎ × 𝜕𝑋 với h là khoảng cách ngắn nhất từ vị trí bắt đầu tới điểm tối ưu cần tìm.

Giá trị của h có thể được tính thông qua phương pháp Newton hoặc sử dụng công cụ Solver trong
Excel để tìm. Trong biểu thức, dấu sẽ là (-) nếu yêu cầu tìm Min, và là (+) nếu yêu cầu tìm Max.
𝜕𝑓 𝜕𝑓
Bước 2: Tính 𝜕𝑥 𝑣à để lần lượt tính ra tọa độ X1.
1 𝜕𝑥2

𝜕𝑓
Bước 3: ∆= √∑(𝜕𝑥 )2 và so sánh giá trị  với . Nếu  >  thì ta thay Xo bằng X1 và tiến hành

vòng lặp kế tiếp. Nếu  <  thì dừng vòng lặp và kết luận.

Nhược điểm:

• Không tìm được cực tiểu trong bài toán không có đạo hàm.
• Không tìm được cực tiểu trong bài toán có đạo hàm nhưng quá phức tạp.

Phương pháp 3: Dùng công cụ Solver trong Excel

LHQV – KSTN 17 8
TỐI ƯU HÓA TRONG CÔNG NGHỆ HÓA HỌC 2019-2020

Ứng dụng trong công nghệ hóa học

Nối nhiều bơm nén với nhau với chi phí tuân theo phương trình:

Với:

• m – số mol khí bị nén.

• R = 8,314 J/mol.K – hằng số khí.
• T – nhiệt độ, K.
•  = 1,4 - tỷ số nhiệt dung đẳng áp và đẳng tích.
• xn – áp suất được nén ở bậc n.

Trong đó, m, R, , T là các hằng số. Các biến x chạy từ 1 tới 4.

Mục tiêu: tối thiểu chi phí, do đó En → Min.

Các cách giải quyết:

• Công cụ Solver trong Excel.

• Phương pháp luân phiên từng biến.
• Hàm Minimize trong Mathcad.

Sử dụng công thức trên để lập ra hàm: E(x1, x2, x3, x4) = E1(x1) + E2(x2,x1) +E3(x2,x3) +
E4(x3,x4) + E5(x4). Hàm trong Mathcad sử dụng là Minimize(E,x1,x2,x3,x4) để suy ra được các
giá trị của x1, x2, x3, x4.

LHQV – KSTN 17 9
TỐI ƯU HÓA TRONG CÔNG NGHỆ HÓA HỌC 2019-2020

BÀI TOÁN TUYẾN TÍNH (LẬP TRÌNH TUYẾN TÍNH)

MỘT SỐ BÀI TOÁN THỰC TẾ

Bài 1: Một xí nghiệp cần pha chế hai loại sơn: một loại để sơn ngoài trời (SN), một loại để sơn
trong nhà (ST). Để pha chế hai loại sơn này người ta dùng hai màu A và B trong kho dự trữ tương
ứng có 6 tấn và 8 tấn. Để pha sơn SN cần một tấn màu A và hai tấn màu B, pha sơn ST cần hai tấn
màu A và một tấn màu B. Giá bán một tấn SN là ba triệu đồng (VNĐ), một tấn ST là hai triệu
VNĐ. Với lượng nguyên liệu nói trên nhà máy nên sản xuất mỗi loại bao nhiêu tấn để doanh thu
là lớn nhất? Biết rằng nghiên cứu thị trường cho thấy nhu cầu sử dụng sơn loại SN nhiều hơn ST.

Hàm mục tiêu: f(x) = 3x1 + 2x2 → Max.

Điều kiện:
Nguyên liệu x1 x2 Lượng
A 1 2 6
B 2 1 8
Giá 3 2
Thị trường 𝑥1 > 𝑥2
Bài 2: Một xí nghiệp dược sản xuất hai loại poly vitamin: một loại tăng cường sức khỏe (TC), một
loại kéo dài tuổi thọ (KD), từ ba nguyên liệu thành phần. Lượng vitamin nguyên liệu V1, V2 và
V3 để sản xuất hai sản phẩm trên cho trong bảng. Xí nghiệp này cần lập kế hoạch sản xuất như thế
nào để đảm bảo kế hoạch mà đạt doanh thu cao nhất từ những nguyên liệu đã cho?

Hàm mục tiêu: f(x) = 50x1 + 40x2 → Max.

Điều kiện:
x1 x2 Lượng
V1 3 1 9
V2 1 2 8
V3 1 6 12
Giá 50 50
BÀI TOÁN DẠNG CHUẨN

𝑓(𝑋) = 𝐶 𝑇 𝑋 → 𝑀𝑎𝑥 (𝑐ự𝑐 đạ𝑖 ℎà𝑚 𝑚ụ𝑐 𝑡𝑖ê𝑢)

{ 𝐴𝑋 ≤ 𝐵 (𝑏ấ𝑡 𝑝ℎươ𝑛𝑔 𝑡𝑟ì𝑛ℎ)
𝑥𝑖 ≥ 0 (𝑐á𝑐 𝑏𝑖ế𝑛 𝑘ℎô𝑛𝑔 â𝑚)

Nhận xét: đây là hệ bất phương trình tìm ra nhiều nghiệm.

LHQV – KSTN 17 10
TỐI ƯU HÓA TRONG CÔNG NGHỆ HÓA HỌC 2019-2020

BÀI TOÁN DẠNG CHÍNH TẮC

Để giải được bài toán tối ưu, ta cần phải chuyển bài toán dạng chuẩn về bài toán dạng chính tắc.

Nguyên tắc chung:

• Chuyển bất phương trình thành phương trình bằng cách thêm vào các biến phụ.
• Các biến phụ phải không âm.

𝑓(𝑋) = 𝐶 𝑇 𝑋 → 𝑀𝑎𝑥 (𝑐ự𝑐 đạ𝑖 ℎà𝑚 𝑚ụ𝑐 𝑡𝑖ê𝑢)

{ 𝐴𝑋 = 𝐵 (𝑝ℎươ𝑛𝑔 𝑡𝑟ì𝑛ℎ)
𝑥𝑖 ≥ 0 (𝑐á𝑐 𝑏𝑖ế𝑛 𝑘ℎô𝑛𝑔 â𝑚)

Ví dụ:

Dạng chuẩn 𝑓(𝑋) = 5𝑥1 + 3𝑥2 → Max (thỏa dạng chính tắc).

𝑥1 + 𝑥2 ≤ 4 𝑥1 + 𝑥2 + 𝑥3 = 4
{5𝑥1 + 2𝑥2 ≤ 10 → {5𝑥1 + 2𝑥2 + 𝑥4 = 10
𝑥1 , 𝑥2 ≥ 0 𝑥1 , 𝑥2, 𝑥3, 𝑥4 ≥ 0

Ta thêm 2 biến phụ không âm là x3 và x4 để chuyển bài toán dạng chuẩn thành bài toán dạng chính
tắc, từ đó có thể giải tìm nghiệm tối ưu.

Do số ẩn nhiều hơn số phương trình nên ta phải chọn trước 1 số ẩn để tạo thành ma trận cơ sở luôn
phiên với các giá trị 1, 0.

Các phương pháp giải bài toán chính tắc:

• Phương pháp đồ thị:

Ưu điểm: trục quan, đơn giản, dễ hiểu, dễ làm.

Nhược điểm: chỉ sử dụng cho các bài toán đơn giản (2D hoặc 3D), không thể thực hiện trong các
bài toán phức tạp.

• Phương pháp đơn hình: tốn nhiều thời gian, nhưng có thể giải được mọi bài. Thông thường,
phương pháp này cần sự hỗ trợ của máy tính để gia tăng tốc độ tìm nghiệm và độ chính xác cao
hơn so với việc giải tay truyền thống.
• Phương pháp minimize, maximize: là phương pháp sử dụng công cụ trong máy tính. Đây là
phương pháp nhanh nhưng phổ biến hiện nay, tuy nhiên ta không biết được cách giải của các
phần mềm máy tính.

LHQV – KSTN 17 11
TỐI ƯU HÓA TRONG CÔNG NGHỆ HÓA HỌC 2019-2020

BÀI TOÁN THỰC TẾ

• Bài toán tìm cực tiểu f(X) → Min. Trong trường hợp này, ta có thể đặt z(X) = - f(X), sau đó
tìm z(X) → Max.
• Dấu của bất phương trình là “” (chặn trên) hoặc “” (chặn dưới) hoặc “=” (đẳng thức). Trong
trường hợp này, ta chỉ cần biến đổi toán học để chuyển dạng này về bài toán dạng chuẩn, rồi từ
đó chuyển về bài toán chính tắc.
• Các biến có thể âm. Trong trường hợp này, ta có thể đổi dấu cả 2 vế để biến âm thành biến
không âm.
• Hỗn hợp của các trường hợp trên.

Ví dụ: 𝑓(𝑋) = 4𝑥1 + 3𝑥2 → Max.

7𝑥1 + 5𝑥2 ≤ 35
Điều kiện: { 𝑥1 + 2𝑥2 ≤ 8
𝑥1 , 𝑥2 ≥ 0

Như chúng ta đã biết, khi giải bài toán tối ưu có 3 trường hợp có thể xảy ra:

• Bài toán có nghiệm duy nhất.

• Bài toán có vô số nghiệm.
• Bài toán có miền khả thi là miền mở (không có giới hạn).

Phương pháp đồ thị

Di chuyển đường thẳng của hàm mục tiêu theo hướng gradient (nhanh nhất) đến khi nào thỏa hàm
mục tiêu.

f ( x ) = 30 x1 + 30 x2 → max
10 x1 + 20 x2  100
Ví dụ: 20 x1 + 10 x2  100

15 x1 + 15 x2  90
x  0
 1
 x2  0

LHQV – KSTN 17 12
TỐI ƯU HÓA TRONG CÔNG NGHỆ HÓA HỌC 2019-2020

BÀI TOÁN PHI TUYẾN (LẬP TRÌNH PHI TUYẾN)

Khác với bài toán tuyến tính, bài toán sẽ trở thành bài toán phi tuyến nếu có 1 trong 3 trường hợp:

• Hàm mục tiêu 𝑓(𝑋) = 𝐶 𝑇 𝑋 phi tuyến

• Điều kiện giới hạn AX phi tuyến (chỉ 1 hoặc tất cả đều phi tuyến).
• Cả 2 trường hợp trên: hàm mục tiêu và điều kiện giới hạn phi tuyến.

Trong đó, A được gọi là ma trận tiêu hao (công, năng lượng, v.v); C gọi là giá.

BÀI TOÁN THỰC TẾ

• Bài toán tìm cực tiểu f(X) → Min. Trong trường hợp này, ta có thể đặt z(X) = - f(X), sau đó
tìm z(X) → Max.
• Dấu của bất phương trình là “” (chặn trên) hoặc “” (chặn dưới) hoặc “=” (đẳng thức). Trong
trường hợp này, ta chỉ cần biến đổi toán học để chuyển dạng này về bài toán dạng chuẩn, rồi từ
đó chuyển về bài toán chính tắc.
• Các biến có thể âm. Trong trường hợp này, ta có thể đổi dấu cả 2 vế để biến âm thành biến
không âm.
• Hỗn hợp của các trường hợp trên.

Hiện nay, công việc quan trọng nhất của người kỹ sư hóa học là lập được bài toán và biết được các
phương pháp giải. Việc giải ra kết quả thường cần tới sự trợ giúp của máy tính.

Ví dụ:

Bài toán về tốc độ phản ứng: Sự phụ thuộc của tốc độ phản ứng vào nhiệt độ thể hiện qua biểu thức
−𝐸
𝑘 = 𝑘𝑜 × 𝑒 𝑅𝑇 . Đây là hàm mũ, do đó bài toán trở thành dạng phi tuyến.

𝜕𝑇 𝜕2𝑇 𝜕2𝑇 𝜕2𝑇 

Bài toán về quá trình truyền nhiệt không ổn định: = 𝑎(𝜕𝑥 2 + 𝜕𝑦 2 + 𝜕𝑧 2 ), trong đó 𝑎 = 𝐶 là
𝜕𝜏 𝑝 ×𝜌

hệ số dẫn nhiệt có phụ thuộc vào nhiệt độ. Đây là bài toán dạng phi tuyến.

Các phương pháp giải bài toán phi tuyến:

• Phương pháp nhân tử Lagrang.

• Phương pháp lập trình lồi.
• Lập trình bậc 2.
• Phương pháp gradient (chiếm ưu thế nhất trong các phương pháp). Phương pháp này có yêu
𝜕𝐹
cầu hàm phải có đạo hàm 𝑋1 = 𝑋𝑜 − ℎ × 𝜕𝑋

LHQV – KSTN 17 13
TỐI ƯU HÓA TRONG CÔNG NGHỆ HÓA HỌC 2019-2020

Trong phương pháp gradient có 3 phương pháp:

▪ Phương pháp Frank-Wolfe: phù hợp với hàm mục tiêu là hàm lõm (hệ số bậc 2 là số âm),
không phù hợp với các hàm vừa lồi vừa lõm (uncertained).

𝑓(𝑋) = 2𝑥1 + 4𝑥2 − 𝑥1 2 − 2𝑥2 2 𝑐ó 𝑑ạ𝑛𝑔 𝑣ừ𝑎 𝑙ồ𝑖 𝑣ừ𝑎 𝑙õ𝑚 (𝑢𝑛𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑒𝑑)
Ví dụ: { 𝑥1 + 2𝑥2 ≤ 8
2𝑥1 − 𝑥2 ≤ 12

▪ Phương pháp hàm phạt: trong ngành kỹ thuật hóa học, tín hiệu đầu vào thường dùng dạng
bậc hoặc xung.

0, −𝑔𝑖 (𝑋) ≥ 0
𝑎𝑖 = {
𝛼𝑖 , 𝑏𝑖 − 𝑔𝑖 (𝑋) < 0

▪ Phương pháp Euroy - Hurwitz: phù hợp với hàm mục tiêu là hàm vừa lồi vừa lõm
(uncertained).

Yêu cầu (giả thiết):

• f(X) có dạng giải tích: là hàm liên tục được xây dựng từ số liệu rời rạc trong đoạn tương ứng
khảo sát. f(X) phải được đánh giá sai số.
• Biết bộ giá trị Xo gần đúng ban đầu sao cho f(Xo) tiến gần tới giá trị
• Sai số cho phép  > 0 bé tùy ý. Sai số  này là sai số do tính toán hoặc do hàm lập ra, là sai số
của hàm hoặc biến tùy vào yêu cầu của bài toán.

Thực hiện:

• Bước 1: Tìm Xo
• Bước 2: Tìm X* thông qua Xo.

LHQV – KSTN 17 14
TỐI ƯU HÓA TRONG CÔNG NGHỆ HÓA HỌC 2019-2020

BÀI TOÁN TỐI ƯU ĐA MỤC TIÊU

Các bài toán kỹ thuật thường:

• Có nhiều vấn đề bên trong (hộp đen chưa biết).

• Ra quyết định đa mục tiêu.
• Chọn phương án tốt nhất theo nhiều yêu cầu khác nhau cho máy móc trong số nhiều yêu cầu
mâu thuẫn nhau.

Tuy nhiên, hầu hết tất cả các phương pháp tối ưu trong toán học được thiết kế để tìm cực đại của
một hàm, tức là cho một mục đích. Do đó, để giải cần giảm bài toán đa mục tiêu thành một mục
đích duy nhất.

Ví dụ về bài toán tìm việc làm, ta cần tối ưu giữa các tiêu chí về lương, thời gian nghỉ, thời gian đi
lại tới nơi làm việc. Chúng ta thấy rằng các mục tiêu thường mâu thuẫn nhau (bài toán không tương
minh), do đó cần chuyển bài toán đa mục tiêu về 1 mục tiêu để giải quyết.

Các mục tiêu trong tối ưu hóa đa mục tiêu:

• Trung lập: hệ thống được mô tả và xử lý độc lập cho mỗi mục tiêu.
• Hợp tác: hệ thống có thể được xem xét cho một mục đích, và phần còn ại được thực hiện đồng
thời.
• Cạnh tranh: một trong những mục tiêu có thể đạt được chỉ bằng chi phí của mục tiêu khác.
• Hỗn hợp: một phần trung lập, một phần hợp tác, một phần cạnh tranh.

Mục tiêu chung được xây dựng theo cách mà chỉ cần tính đến các mục tiêu cạnh tranh. Xem xét
các mục tiêu trung lập hoặc hợp tác không phải là vấn đề đặc biệt khó khăn.

Vấn đề tập trung vào nhiêu mục tiêu trước hết nên được xem xét về mục tiêu cạnh tranh, vì tất cả
chúng không thể được thể hiện bằng tham số một chiều.

Để giải quyết các nhiệm vụ đa mục đích, có thể đề xuất cấu trúc sau đây cho các phương trình tối
ưu hóa như sau:

• Bằng phương pháp sử dụng thông tin.

• Một ưu tiên.
• Một hậu trường (không tốt ở hiện tại nhưng sẽ tốt ở tương lai).
• Thích ứng (dựa trên lý thuyết về độ nhạy, tùy điều kiện khác nhua mà thể hiện khác nhau).
• Bằng phương pháp ra quyết định.

LHQV – KSTN 17 15
TỐI ƯU HÓA TRONG CÔNG NGHỆ HÓA HỌC 2019-2020

BÀI TOÁN VÔ HƯỚNG

Đây là bài toán thể hiện bằng con số.

Các phương pháp giải:

• Phương pháp thành phần chính.

• Phương pháp nhượng bộ.
• Phương pháp tiêu chuẩn phức tạp.
• Phương pháp Hermeyer.
• Phương pháp chỉ thỏa hiệp.
• Phương pháp của trung tâm có điều kiện của khối lượng.
• Phương pháp dựa trên hàm Harrington.
• Phương pháp điểm lý tưởng.

BÀI TOÁN CÓ HƯỚNG (VECTOR)

Các phương pháp giải:

• Phương pháp phân tích đồ thị.

• Tìm kiếm thời gian tuyến tính.
• Theo bản chất của thông tin được sử dụng.
• Xác định.
• Xác suất.

MỘT SỐ PHƯƠNG PHÁP GIẢI BÀI TOÁN TỐI ƯU ĐA MỤC TIÊU:

• Phương pháp nhượng bộ liên tục: lời giải đưa đến lựa chọn giải pháp bằng cách dần dần làm
suy yếu các yêu cầu ban đầu, thường là không thể cùng một lúc.
• Phương pháp điểm lý tưởng: miền các giá trị chấp nhận được.
• Phương pháp đồng huyết thống: chuyển bài toán đa mục tiêu thành bài toán một mục tiêu.

Ví dụ, giải bài toán theo hai tiêu chí:

• 𝑊1 = 𝑥1 + 2𝑥2 → 𝑀𝑎𝑥 (𝑡𝑖ê𝑢 𝑐ℎí 𝑣ề 𝑛ă𝑛𝑔 𝑠𝑢ấ𝑡, ℎ𝑖ệ𝑢 𝑠𝑢ấ𝑡, 𝑣. 𝑣).

• 𝑊2 = 𝑥1 + 2𝑥2 → 𝑀𝑖𝑛 (𝑡𝑖ê𝑢 𝑐ℎí 𝑣ề 𝑐ℎ𝑖 𝑝ℎí, 𝑙ượ𝑛𝑔 𝑐ℎấ𝑡 𝑡ℎả𝑖, 𝑣. 𝑣).

Đây là các tiêu chí không đồng thuận nhau, do đó cần thực hiện tối ưu để chọn được điểm lý tưởng.

LHQV – KSTN 17 16
TỐI ƯU HÓA TRONG CÔNG NGHỆ HÓA HỌC 2019-2020

Ví dụ về bài toán sấy tôm. Tùy vào mục đích mà ta chia chúng thành 3 biến đầu vào (nhiệt độ môi
trường sấy, áp suất môi trường sấy, thời gian quá trình sấy) và 5 biến đầu ra (chi phí năng lượng,
độ ẩm cuối cùng của sản phẩm, chất lượng của sản phẩm đánh giá thông qua khả năng kháng hoàn
ẩm của sản phẩm, độ co rút thể tích của sản phẩm, độ tổn thất vitamin C của sản phẩm). Trong đó,
các biến đầu vào cần phải đo được và chỉnh được, còn các biến đầu ra cần đo được nhưng ta không
điều chỉnh được.

Các mục tiêu của bài toán mâu thuẫn nhau như chi phí năng lượng mâu thuẫn với độ ẩm cuối, độ
ẩm cuối mâu thuẫn với khả năng hoàn ẩm, v.v.

Ta tiến hành thí nghiệm và quy hoạch thực nghiệm để lập ra 5 hàm ứng với 5 biến đầu ra: 𝑦1 =
𝑓1 (𝑥1 , 𝑥2 , 𝑥3 ); 𝑦2 = 𝑓2 (𝑥1 , 𝑥2 , 𝑥3 ); 𝑦3 = 𝑓3 (𝑥1 , 𝑥2 , 𝑥3 ); 𝑦4 = 𝑓4 (𝑥1 , 𝑥2 , 𝑥3 ); 𝑦5 = 𝑓5 (𝑥1 , 𝑥2 , 𝑥3 ).

Xây dựng hàm mục tiêu tổ hợp bằng cách đưa ra một hàm mong muốn dạng 𝑄 = √𝑞1 𝑞2 . . . 𝑞𝑚

Trong đó 𝑞1 , 𝑞2 , . . . , 𝑞𝑚 là các hàm của 𝑦1 , 𝑦2 , . . . , 𝑦𝑚 ; 𝑦1 , 𝑦2 , . . . , 𝑦𝑚 là hàm của các biến

𝑥1, 𝑥2 , . . . , 𝑥𝑘 .

Do đó ta có thể biết 𝑄 = 𝐹(𝑥1 , 𝑥2 , . . . , 𝑥𝑘 ).

Như thế để tốt q1 để y1 tốt nhất thì chọn q1 =1. Ngược lại, y1 xấu nhất thì chọn q1 = 0.
y1 Rất tốt Tốt Đạt Xấu Rất xấu
q1 1  0.8 0.8  0.63 0.63  0.37 0.37  0.20 0.20  0
Sau đó, ta tổ chức thí nghiệm tối ưu theo hàm Q ở trên.

Nếu sử dụng phương pháp dùng điểm không tưởng, ta lập 𝑆(𝑦1, 𝑦2, 𝑦3, 𝑦4, 𝑦5) = 𝑆(𝑥1, 𝑥2, 𝑥3)

𝑆(𝑋) = √[∑(𝑦𝑗 − 𝑦𝑗𝑚𝑖𝑛 )2 ]

𝑗=1

{x = {−1.414 ≤ 𝑥1, 𝑥2, 𝑥3 ≤ 1.414}

Các phương pháp số:

• Dùng điểm không tưởng.

• Dùng vùng cấm.
• Dùng chuẩn R.

LHQV – KSTN 17 17