Optimización global de procesos de la industria alimentaria y biotecnológica

• Autores: Carmen Gutierrez Moles
• Directores de la Tesis: Julio Rodríguez Banga (dir. tes.), Antonio Alvárez Alonso (codir. tes.)
• Lectura: En la Universidade de Vigo ( España ) en 2003
• Idioma: español
• Tribunal Calificador de la Tesis: César de Prada Moraga (presid.), Aurea María Martínez Varela (secret.), Néstor Torres Darias (voc.), Lino Oliveira Santos (voc.), Juan Ignacio Maté Caballero (voc.)
• Texto completo no disponible (Saber más ...)
• Resumen

  • Tradicionalmente, los métodos de calculo numérico utilizados para la resolución de problemas de optimización han sido, en su mayoría, de naturaleza local, y normalmente basados en información de primer y segundo orden. Para problemas convexos estas técnicas numéricas son las más eficientes y rápidas. Sin embargo, la mayoría de los problemas en el campo de la ingeniería de bioprocesos tienen una naturaleza no lineal y no convexa. Bajos estas condiciones, las técnicas tradicionales no son capaces de obtener, en la mayoría de los casos, el óptimo global. De hecho, suelen converger al óptimo local más cercano al punto inicial de búsqueda. Por este motivo es necesario utilizar métodos de optimización global (GO) que permitan obtener la mejor solución posible.

    En la primera parte de este trabajo se realiza una clasificación de los métodos de optimización global haciendo mayor hincapié en las denomiandas técnicas de optimización global estocásticas. Se justifica la elección de estos métodos debido a su generalidad, su escasa demanda en cuanto a las condiciones que los modelos deben de cumplir, su robustez, su eficiencia y buen comportamiento ante el tipo de problemas de optimización que tenemos que resolver.

    La mayoría de los problemas de optimización en el área de ingeniería de procesos están sujetos a un conjunto de restriccions, tanto de desigualdad como de igualdad, que suelen tener una naturaleza no lineal y (al menos en parte) dinámica (en forma de ecuaciones algebraicas y diferenciales ordinarias y/o en derivadas parciales). Además es frecuente que las variables de estado del problema tengan un rango de validez situado entre un límite superior y uno inferior. Originalmente, los métodos de optimización global estocásticos se desarrollaron para problemas sin restricciones.

    Por este motivo, esta primera fase también incluye, un estudio de las diferentes técnicas propuestas a lo largo de los ú