ALGORITMO PREDICTOR-CORRECTOR PARA LA ESTIMACIÓN DE PARÁMETROS EN ECUACIONES DIFERENCIALES PARCIALES
Palabras clave:
Parámetros, estimación, predictor, corrector, ecuacionesResumen
Las técnicas de optimización por búsqueda directa son usadas extensamente para resolver problemas de optimización de interés de ingeniería bioquímica y química. En este trabajo se presenta el algoritmo predictor-corrector (Luus-Jaakola y Levenberg-Marquardt), con la validación de dos casos de estudio con estimación de parámetros: 1) El primer caso de estudio fue manufacturado a partir de la solución analítica con 4 parámetros conocidos, de los cuales se diseñó un sistema de 3 ecuaciones diferenciales parciales (EDPs). 2) se presenta un caso tomado de la literatura donde se estudia el fenómeno de difusión en un gel de agarosa considerando la comparación de la solución numérica, la solución analítica y una solución que considera una mejora en las condiciones de frontera del modelo propuesto en la literatura. Las pruebas realizadas del algoritmo predictor-corrector muestran la viabilidad del método para ser adaptado en la estimación de parámetros con modelos en ecuaciones diferenciales parciales cuando existe disparidad en la magnitud de estos parámetros. La factibilidad del algoritmo Luus-Jaakola de ser acoplado con el método determinístico Levenberg-Marquardt (LM) es de utilidad para complementar la convergencia en la solución de problemas de estimación de parámetros cuando la selección de una aproximación inicial adecuada es indispensable.
Descargas
Citas
De Jesús Rubio, J. (2020). Stability analysis of the modified Levenberg–Marquardt algorithm for the artificial neural network training. IEEE transactions on neural networks and learning systems, 32(8), 3510-3524. DOI: 10.1109/TNNLS.2020.3015200.
Flores-Martínez, N. L., Pérez-Pérez, M. C. I., Oliveros-Muñoz, J. M., López-González, M. L., y Jiménez-Islas, H. (2018). Estimation of diffusion coefficients of essential oil of Pimenta dioica in edible films formulated with Aloe vera and gelatin, using Levenberg-Marquardt method. Revista Mexicana de Ingeniería Química, 17(2), 485-506. DOI: https://doi.org/10.24275/uam/izt/dcbi/revmexingquim/2018v17n2/flores
Gümüş, Z. H., y Floudas, C. A. (2001). Global optimization of nonlinear bilevel programming problems. Journal of Global Optimization, 20(1), 1-31. DOI: https://doi.org/10.1023/A:1011268113791
Ji, Y., Kang, Z., y Liu, X. (2021). The data filtering based multiple‐stage Levenberg–Marquardt algorithm for Hammerstein nonlinear systems. International Journal of Robust and Nonlinear Control, 31(15), 7007-7025. DOI: https://doi.org/10.1002/rnc.5675
Li, D., Lu, T., Liu, L. y Jin, Q. (2016). Fractional modeling of heating process using improved NLJ algorithm. Proceedings of the 35th Chinese Control Conference, pp. 10447-10452. DOI: https://doi.org/10.1109/chicc.2016.7555011
Li, N., Yang, H., y Mu, A. (2019). Improved Grey Particle Swarm Optimization and New Luus-Jaakola Hybrid Algorithm Optimized IMC-PID Controller for Diverse Wing Vibration Systems. Complexity, 2019, 1-21. DOI: https://doi.org/10.1155/2019/8283178
Liao, B. y Luus, R. (2007). Comparison of the Luus–Jaakola optimization procedure and the genetic algorithm.
Engineering Optimization, 37(4), pp. 381-396. DOI: https://doi.org/10.1080/03052150512331328312
Luo, G., Zou, L., Wang, Z., Lv, C., Ou, J., y Huang, Y. (2021). A novel kinematic parameters calibration method for industrial robot based on Levenberg-Marquardt and Differential Evolution hybrid algorithm. Robotics and Computer-Integrated Manufacturing, 71, 102165. DOI: https://doi.org/10.1016/j.rcim.2021.102165
Luus, R. (1998). Comments on "Dynamic Optimization of Batch Reactors Using Adaptive Stochastic Algorithms".
Ind. Eng. Chem. Res., p. 305. DOI: https://doi.org/10.1021/ie9708283
Luus, R. (2001). Comments on “Global Optimization for the Parameter Estimation of Differential-Algebraic Systems”.
Ind. Eng. Chem. Res., 40, pp. 488-489. DOI: https://doi.org/10.1021/ie000602r
Marquardt, D. W. (1963). An Algorithm for Least-Squares Estimation of Nonlinear Parameters. Journal of the Society for Industrial and Applied Mathematics, 11(2), pp. 431-441. DOI: https://doi.org/10.1137/0111030
Meena, V. P., Yadav, U. K., Mathur, A., Singh, V. P., Guerrero, J. M., y Khan, B. (2023). Location and size selection using hybrid Jaya‐Luus‐Jaakola algorithm for decentralized generations in distribution system considering demand‐side management. IET Renewable Power Generation, 17(6), 1535-1544. DOI: https://doi.org/10.1049/rpg2.12692
Mendes Platt, G., Pinheiro Domingos, R., y Oliveira de Andrade, M., (2014) Application of the Firefly and Luus– Jaakola algorithms in the calculation of a double reactive azeotrope. Computational Science & Discovery, 7, p. 015002. DOI: https://doi.org/10.1088/1749-4699/7/1/015002
Oliveros-Muñoz, J. M., Martínez-Villalba, J. A., Jiménez-Islas, H., Luna-Porres, M. Y., Escamilla-Alvarado, C., y Ríos-Fránquez, F. J. (2021). Luus-Jaakola method and ADM1 based optimization of hydrogen sulfide in anaerobic digestion of cow manure. Biochemical Engineering Journal, 171, 108012. DOI: https://doi.org/10.1016/j.bej.2021.108012
Pal, T., y Kaushik, M. (2023). Aircraft parameter estimation using a novel hybrid Luus–Jaakola/Hooke–Jeeves neural- network based optimization technique. Proceedings of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering, 237(9), 2196-2208. DOI: https://doi.org/10.1177/09544100221140980
Ramírez Rodríguez, J. F. (2008) Estimación de parámetros en ecuaciones diferenciales parciales parabólicas y análisis de convergencia. Tesis de maestría en ciencias, Instituto Tecnológico de Celaya.
Salcedo, R. L. (1992) Solving nonconvex nonlinear programming and mixed-integer nonlinear programming problems with adaptive random search. Ind. Eng. Chem. Res. 31 262-273. DOI: https://doi.org/10.1021/ie00001a037
Sebti, I., Carnet, A. R., Blanc, D., Saurel, R., y Coma, V. (2003). Controlled diffusion of an antimicrobial peptide from a biopolymer film. Chemical Engineering Research and Design, 81(9), 1099-1104. DOI: https://doi.org/10.1205/026387603770866245
Spaans, R., y Luus, R. (1992) Importance of search-domain reduction in random optimization. J. Optim. Theory Appl.,
, 635-638. DOI: https://doi.org/10.1007/bf00940497
Wang, B. C., y Luus, R. (1978) Reliability of optimization procedures for obtaining global optimum. AIChE J. 24, 619-626. DOI: https://doi.org/10.1002/aic.690240409
Wang, K., Gong, W., Liao, Z., y Wang, L. (2022). Hybrid niching-based differential evolution with two archives for nonlinear equation system. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 52(12), 7469-7481. DOI: 10.1109/TSMC.2022.3157816

Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 AvaCient

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.