원문 발췌 (English Original)

SURROGATE-BASED OPTIMIZATION TECHNIQUES FOR PROCESS SYSTEMS ENGINEERING Mathias Neufang Emma Pajak Imperial College London Imperial College London mathias.neufang22@imperial.ac.uk Damien van de Berg Ye Seol Lee Imperial College London University College London2024 Ehecatl Antonio del Rio ChanonaDec Imperial College London a.del-rio-chanona@imperial.ac.uk 18 ABSTRACT Optimization plays an important role in chemical engineering, impacting cost-effectiveness, resource utilization, product quality, and process sustainability metrics. This chapter broadly focuses on data- driven optimization, particularly, on model-based derivative-free techniques, also known as surrogate- based optimization. The chapter introduces readers to the theory and practical considerations of[math.OC] various algorithms, complemented by a performance assessment across multiple dimensions, test functions, and two chemical engineering case studies: a stochastic high-dimensional reactor control study and a low-dimensional constrained stochastic reactor optimization study. This assessment sheds light on each algorithm’s performance and suitability for diverse applications. Additionally, each algorithm is accompanied by background information, mathematical foundations, and algorithm descriptions. Among the discussed algorithms are Bayesian Optimization (BO), including state- of-the-art TuRBO, Constrained Optimization by Linear Approximation (COBYLA), the Ensemble Tree Model Optimization Tool (ENTMOOT) which uses decision trees as surrogates, Stable Noisy Optimization by Branch and Fit (SNOBFIT), methods that use radial basis functions such as DYCORS and SRBFStrategy, Constrained Optimization by Quadratic Approximations (COBYQA), as well as a few others recognized for their effectiveness in surrogate-based optimization. By combining theory with practice, this chapter equips readers with the knowledge to integrate surrogate-based optimization techniques into chemical engineering. The overarching aim is to highlight the advantages of surrogate-based optimization, introduce state-of-the-art algorithms, and provide guidance for successful implementation within process systems engineering.arXiv:2412.13948v1 Keywords Data-Driven Optimization, · Model-Based Optimization, · Derivative-Free Optimization, · Black-Box Optimization, · Chemical Process Engineering 1 Introduction This chapter aims to equip process systems and chemical engineers with a comprehensive understanding of data-driven optimization, focusing specifically on model-based…

발췌문 번역 (Korean Translation)

프로세스 시스템 공학을위한 대리 기반 최적화 기술 Mathias Neufang Emma Pajak Imperial College London College London College London Mathias.neufang22@imperial.ac.uk Damien van de Berg Ye Seol Lee Imperial College London College London2024 ehecatl Antonio del Rio Chanonadec Imperial College 런던 런던 A.Del-Rio chanona@imperial. 화학 공학, 비용 효율성, 자원 활용, 제품 품질 및 프로세스 지속 가능성 메트릭에 영향을 미칩니다. 이 장은 대리 기반 최적화라고도하는 모델 기반 파생 상품이없는 기술에 대한 데이터 중심 최적화에 중점을 둡니다. 이 장은 독자들에게 여러 차원, 테스트 기능 및 두 가지 화학 공학 사례 연구의 성능 평가로 보완 된 [Math.oc] 다양한 알고리즘의 이론 및 실질적인 고려 사항을 소개합니다 : 확률 론적 고차원 반응기 제어 연구 및 저 차원 제한된 확률 론적 반응기 최적화 연구. 이 평가는 다양한 응용 프로그램에 대한 각 알고리즘의 성능 및 적합성을 밝히게합니다. 또한 각 알고리즘에는 배경 정보, 수학적 기초 및 알고리즘 설명이 동반됩니다. 논의 된 알고리즘 중에는 State-the-Art Turbo, 선형 근사법 (CoByla)에 의한 제한된 최적화 (COBYLA), Ensemble Tree 모델 최적화 도구 (ENTMOOT)를 포함한 베이지안 최적화 (BO), 의사 결정 트리를 대리자로 사용하는 앙상블 트리 모델 최적화 도구 (ENTMOOT), 안정적인 소음 최적화 (SNOBFIT), DYCORS 및 SRBSTRATIC와 같은 방사형 기능을 사용하는 방법을 사용하는 방법 (SNOBFIT). 근사치 (COBYQA) 및 대리 기반 최적화에서의 효과를 인정했습니다. 이 장에서는 이론을 연습과 결합함으로써 독자들에게 대리 기반 최적화 기술을 화학 공학에 통합하기 위해 지식을 갖추게됩니다. 가장 중요한 목표는 대리 기반 최적화의 장점을 강조하고, 최첨단 알고리즘을 도입하며, 프로세스 시스템 엔지니어링 내에서 성공적인 구현을위한 지침을 제공하는 것입니다. ARXIV : 2412.13948V1 키워드 데이터 중심 최적화, · 모델 기반 최적화, · 파생 최적화, · 화학 공정 과정과 함께 화학 공정과 프로세스 1을 소개합니다. 데이터 기반 최적화에 대한 포괄적 인 이해, 특히 모델 기반에 중점을 둡니다 …