EXTRAÇÃO DA SACAROSE ATRAvtS DE UM DIFUSOR CONT!NUO
ALBERTO ANGEL !1AZZONI
Orientador: Prof. Dr. JOS~ MARIO MARTfNEZ PEREZ
Dissertação apresentada no Instituto de Matemática, Estatística e Ciência da Computação, como requisito par -cial para obtenção do título de Mes-tre em Matemática Aplicada.·
- Ao !1ario Martinez, pela orientação e pelo apoio.
-Aos colegas e amigos da UNICAMP, pelas palavras de incentivo.
Ao Professor Enrique Ortega da Faculdade de Engenharia de Ali-mentes e Agricola, pelas claras explicações sobre os processos de difusão.
Ao colega e amigo Renato Borges Guerra, graças a quem aprendi o pouco que eu sei de matemática.
Página
Capítulo I
- Motivação: O Processo de Difusão para
Extra-çao de Sacarose • • • • • • • • • • • • • .. • • • • • . • .. • • • • • • 1 1.1 - Procedimentos de Extração de Sacarose. 1 1.2- Conceitos sobre Difusão . . . 1
1.3- Descrição do Difusor e do Processo de
Extração
...
21.4 - Previsão da Influência e Comportamento
das Variáveis no Processo de Extração.
7
1 . 5 - Conceito de Eficiência ... 11
1.6- Definição do Problema ••••••••••••••••
11capítulo II - Formulação e Resolução do Problema • .. • • • • • • • 13
2.1 - Introdução
2. 2 - Formulação
...
do Problema ... . 2. 3 - Algo ri trno Proposto ... . 2.4 - Ajuste do Algoritmo aos Dados
Disponí-13 13 15 ve1.s • • • • • • • • • • • • • • • • . • • • • • • • • • • • • • • • • 16 2.5- Resolução do Problema •••••••••••••••• 17 2.5.1- Esquema do Algoritmo ••••••••• 17 2.6- Procedimento Computacional ••••••••••• 19
2.6.1 - Comentários sobre as Principais Subrotinas • • • • • . • • • • • • • • • • • • • 20 Capítulo I I I - Experiências Numéricas •••••••••••••••.••••. 22
-3.1 - Introduçao •••••••••••• o • • • o o . o . o o • • • • 22
O presente trabalho aborda o problema de otimizar a
extração de sacarose que será destinada
à
produção de álcool hidratado. O processo de extração
é
realizado através de um
protó-tipo de difusor continuo que fora projetado pela FaCuldade de
En-genharia de Alimentos e Agrícola da UNICAMP.
No capitulo I, fazemos uma breve descrição do
proces-so de extração por difusão, do protótipo de difuproces-sor contínuo e
analisamos o comportamento das variáveis que intervém no processo
de extração definindo em forma global o problema.
No capítulo II, formulamos o problema e propomos um
algoritmo para sua resolução expondo o procedimento computacional
utilizado.
No capítulo III apresentamos as ~xperiências
numéricas que foram realizadas visando analisar o comportamento do al -goritmo proposto.
CAPITULO I
MOTIVAÇÃO: O PROCESSO DE DIFUSÃO PARA EXTRAÇÃO DE SACAROSE
1.1 PROCEDIMENTOS DE EXTRAÇÃO DE SACAROSE
Os procedimentos usados para a extração de sacarose,
podem ser classificados, .de uma forma geral, em dois tipos:
a) Procedimento
deextração por moendas- (tradicio
na1).
Era, há algum tempo atrás, o único processo de
extração, e consiste, basicamente, na obtenção do caldo da cana de açúcar por prensagem em moendas
com a ajuda do chamado moinho de cana.
b) Procedimento de extração sólido-llquiUo.
O processo de extração
é
realizado através dedi-fusores ou extratores, cujas características e
funcionamento serão detalhadas nos Ítens seguin
tes.
1.2 CONCEITOS SOBRE DIFUSÃO
11Difusão11 ou "difusor11
sao termos oriundos da indús-tria da beterraba açucareira e empregados para descrever o
sistema de extração de sacarose com água quente. Na indús
tria química, a operação se classifica como lixiviação
(ex-tração com solvente), sendo o termo difusão reservado
A utilização deste sistema de extração tem motivado
sua adoção por parte dos
parses industrializados, visto que
tem sido comprovado um maior rendimento de extração [ 3 ],
exigindo uma construção civil mais simples e um custo de
manutenção menor.
1.3 DESCRIÇÃO DO DIFUSOR E DO PROCESSO DE EXTRAÇÃO
Neste item faremos uma breve descrição das caracte
-rísticas e funcionamento do protótipo de difusor contínuo,
que foi projetado pela Faculdade de Engenharia de Alimentos
e Agrícola da UNICAMP e para o qual ternos desenvolvido
o
algoritmo de otimização que apresentaremos no capítulo se-guinte.
Visto que o protótipo de difusor
é
de caráter expe-rimental, serão expostas diferentes alternativas a
:serem
testadas no processo, visando a obtenção de um maior
rendi-mento na extração.
O corpo do difusor
é
um prisma retangular de 28cm.por 40cm. de base e 2,50 metros de comprimento sustentado
por quatro suportes de
SOem. dealtura.
Afigura
1,mostra
Figura 1
O difusor foi projetado com 4 conexões que sao apre-sentadas na figura 2, destinadas a:
- Entrada de cana picada - SaÍda de megaço
- Entrada de água
- SaÍda de caldo concentrado
C)ltlll.
--CALDO
Figura 2
Basicamente, as quatro conexoes citadas definem o
processo de extração. Por uma conexão
é
injetada água
quen-te e simultaneamenquen-te
é
introduzida a cana picada em
contra-corrente. No sentido do fluxo da água
é
obtido, como saída,caldo concentrado. No sentido do fluxo do sÓlido (cana pi
-cada}
é
extraído megaço~o difusor possui no seu interior 9 metades de
cilin-dros que chamamos canecos, como foi mostrado na figura 1.
Existe uma pequena zona de justaposição entre os
canecos,que foi projetada levando em consideração um melhor deslo -camento do material sólido entre os mesmos.
Na parte inferior dos canecos existe, em cada lado , uma boca de saída de uma polegada de diâmetro. Este par de bocas permite a entrada/saída rápida de líquido contido no caneco. Essa movimentação de líquido se torna necessária pa ra a pesquisa de pulsação do nivel do lÍquido {Fig.3), ope--ração esta muito importante para acelerar a extope--ração.
CANECO CHEIO
?!Qll!)
ESVAZIAMENTO CANECO VAZIO ESQUEMA DE PULSAÇÃO FIGURA 3 ENCHI I-lENTOAs bocas também servirão para experimenta-r os siste-mas alternativos de movimentação de líquido, tais como:
a} Escoamento por vasos comunicantes sem pulsação
(Fig. 4)
b) Escoamento gravitatório em cascata. Neste caso, o difusor precisará ficar inclinado, aproximadamen-te 4°, para conseguir esta movimentação (Fig.S}.
BSCOA11ENTO POR VASOS COMUNICANTES FIGURA 4
BSCOA1lENTO GRAVITAT6RIO E11 CASCATA FIGURA 5
A
movimentação
do sÓlido será realizada através depás, que lentamente carregarão as porções de cana picada de
um caneco para outro (Fig. 6)
MOVIMENTAÇÃO DO SÓLIDO FIGURA 6
Diferentes modelos de pás e acessórios terão que ser testados, pois além do efeito de transporte do sólido, exis
tem outros efeitos colaterais relevantes, tais como:
a) Compressão do leito da cana picada
b) Escoamento do caldo contido no leito por arras -tre do sólido.
Ambos os efeitos colaterais coincidem, a fim de evitar arrastre de caldo em sentido inverso a seu escoamento
-{Fig. 7).
ESCOAMENTO INDESEJADO
DO L!QUIDO
--.f\:---!---ilt--/1---JP'
POR ARRASTRE~ DO SÕLIDO
EFEITOS COLATERAIS FIGURA 7
As
pás girarão com velocidade de urna ou duas rota
-çoes por minuto e serão movimentadas com um mecanismo que
inclui catracas e correntes, um tensor de corrente e um ten
sor com redutor de velocidade (Fig. 8).
6~---~
---
---•
·o-.
' ••
ESQUEMA DOS COMPONENTES MECÂNICOS FIGURA 8
1.4 PREVISÃO DA INFLutNCIA E COMPORTAMENTO DAS VARIÁVEIS NO PRO CESSO DE EXTRAÇÃO
Neste item, daremos uma idéia do comportamento
das
principais variáveis que intervêm no processo de extração
de sacarose, assim como as prováveis mudanças a serem intro
duzidas dado o caráter experimental do difusor.
As
var~a-..
veis mais importantes sao:
a) TEHPE RATURA
;;i
p E<;;i
"'
§!
"'
E<temperatura de 20-30°c. e a água quente entrará com uma temperatura máxima de 90°C. As chapas i~
feriores do difusor serão aquecidas com Óleo que!!
te a 90°C.
~possível que exista um perfil de temperatura, ao
longo do difusor, como
é
mostrado na Fig.
9~ÂGUA QUENTE
.---~·
. CANA---
--..,25°2\
_;,._~-,-1---r··---,-- -
r - ~ -.- - - , - - - -.- - - - .----I I I I ' 1 I I I I ' I 2 3 : 4 : 5 : 6 1 7 : 8 9 '__
___.___~ COMPRIMENTO FIGURA 9as
0c
75°C 65°C 55°C 25°C CANECOSSerão feitas experiências, com diversas condiçÕes
de aquecimento, para atingir quatro diferentes ní
veis de temperatura de extração: 55, 65, 75
e
85°c.
Existe, em geral, a tendência de aumentar o rendi
menta conforme se aumenta a temperatura.
Istoocorre sempre que o aquecimento for gradual, pois
um choque térmico poderá
acarretara modificação
da estrutura do Iftaterial de
forma
a· impedir a mi-gração dasacarose.
b) PULSAÇÕES
Tem sido observado, que o processo de molhar e
deixar escorrer a cana moida em forma repetida ,
conduz aos maiores indíces de extração no
menor
tempo de contato.
O efeito da pulsação na extração ainda não foi ex
plicado.
~provável que tenha a ver com a
compac-tação do megaço quando se deixa escorrer o
líqui-do e/ou a possibilidade de escoamento
gravitató-rio dentro dos canais das partículas de cana.
c) AGITAÇÃO
~lliCÃNICA(movimentação do sólido)
O sólido
é
transladado de um caneco a nutro pormeio das pás que se movimentam em baixa rotação
(1 ou 2 rpm). Será testado um sistema
alternati-vo de movimentação rápida {10-40 rpm) para testar a resistência do material sólido.
d) EFEITO DA MODIFICAÇÃO DO PH PELA
ADIÇ~ODE HI
DR0XIDO DE CÂLCIO
Para diminuir o efeito corrosivo do caldo sobre o aço carbono, material do qual
é
construido o difusor, usa-se uma solução de hidróxido de cál cio, para fazer com que o PH do caldo passe deS.4(PH natural da cana) a 6-2! valo~ mínimo
A modificação do PH deverá ser feita em forma gr~ dativa, para evitar efeitos secundários tais como reação de compostos químicos {formação de sais de
cálcio insalubre), que poderiam afetar o
preces-so
deextração.
e) TEMPO
O processo
é
medido através do intervalo de temPO
que decorre entre a entrada da massa de cana e a
saída do megaço.
Depois de estabelecida a influência da
temperatu-ra no processo, deverá ser estudada a influên
cia do tempo
decontato em relação ao rendimento
de extração.- Por exemplo, será analisado
comoflui no processo um tempo de 5 até 40 minutos com intervalos de 5 minutos.
o tempo adequado definirá a capacidade de
produ-ção do difusor.
f) REFLUXO
A
cana que entra
é
colocada em contato com caldoquente, concentrado, para que absorva todo o lÍ quido que essa massa, de partículas sólidas,
á
capaz de absorver. O efeito
é
produzir um enrique cimento do teor de sacarose do produto final.g)
NÚilliRO DE ETAPAS
Como foi definido no item 1.3, o difusor tem 9
etapas (canecos). No entanto, dada a forma de op~
ração
é
possível adicionar módulos de 3,6 ou 9 es
tágios, em caso
dese considerar necessário.
h) TAMANHO E FORMA DAS PART!CULAS DA CANA
Esta
é
uma variável externa ao processo de
extra-ção, porém, muito importante. Se trabalharmos com
cana preparada sob diferentes pD)cessos, os quais
produzem sÓlidos de diferentes dimensões,
obtere-mos partículas de diferentes dimensões e
teoresde urni da de •
1.5 CONCEITO DE EFICitNCIA
Definimos como eficiência o percentual de extração
de sacarose no processo. Tal percentual mede-se através da
relação sacarose extraída no caldo e sacarose total contida
na cana inicial. Este indicador pode ser calculado pela
se-guinte fórmula:
E= 100 x
voluine caldo x
pcaldo
umidade(%) x
tipo de cana
usadaSendo pcaldo
=
Densidade do caldo lida em
tabelasl .
6
DEFINIÇÃO DO PROBLEHA
pendentes que permitem uma extração mais eficiente de saca-rase pelo método de difusão.
CAPITULO II
FORMULAÇÃO E RESOLUÇÃO DO PROBLEMA
2 .1 INTRODUÇÃO
O presente capítulo tem por objetivo a apresentação,
formulação e resolução do problema definido globalmente, no
capítulo anterior.
O algoritmo que apresentaremos
é
de caráter geral, e admite qualquer número de variáveis que intervém noproces-so de extração de sacarose. Ternos adotado este
critério,vi~to que
é
possível sua utilização para qualquer tipo e dirnen
são de difusor contínuo.
2.2 FORMULAÇÃO DO PROBLEMA
As variáveis independentes do problema, podem ser classificadas em contínuas e
discretas:
contínuas são: PH , temperatura e tempo; discretas são: pulsação, agitação mecâ nica, refluxo, número de etapas e tamanho das partículas decana. Temos assim um conjunto de possíveis combinações (nem
todas válidas para o processo) para as variáveis discretas. Para citar algumas como exemplo damos as seguintes:
- Agitação lenta com moido tipo fino de cana, sem refluxo , nem pulsação, com 9 etapas.
Agitação rápida, com moido tipo fino de cana, sem refluxo,
com
pulsação, com 9 etapas.fluxo, sem pulsação, com 9 etapas. etc.
Para cada combinação de variáveis discretas, ternos
definido então um problema de otimização 11contínuo". Porém
a função objetivo (eficiência) não
é
dada em forma
determi-nística pois está sujeita a erros aleatórios de medição ou por intervenção de variáveis não consideradas.
Consideremos agora numa ·combinação fixa de variáveis contínuas. Sejam x
1, •••
o,Xk
as variáveis discretas e Y o valar da eficiência para valores dados a x
1
, •••• ,Xk distribuí
das da seguinte forma:
Onde: Obs. x1 x2 x3 xk y 1 x1 1 x1 2 x1 3
~
y1 2 x2 1 x2 2 x2 3~
y2 3 x3 1 x3 2 x3 3~
y3 mm
é
o número de observações (experimentos)X~
é
variável independente para i=l,2, •• ,k
~
j=l,2, •• ,m
Sendo que:
representa as variáveis discretas já definidas representa a eficiência no processo de extração
de
sacarose para esse experimento.
Trata-se, como foi dito anteriormente de achar
valo-.res de x
1
, ••••
,~,que forneçam altas eficiências, no menor
número de ensaios possíveis.
Observamos que o custo deste processo nas suas condi
çoes reais, depende unicamente do número de ensaios,
sendo
o trabalho computacional (em términos de memória e tempo de
CPU) usado para determinar que ensaio deve ser
considerado desprezível.
2.3 ALGORITMO PROPOSTO
realizado
Propomos que a eficiência como função das variáveis independentes contínuas
é
adequadamente representada pelo "modelo quadrático" seguinte:-Eficiência
~
Q(X)~ ~
XtG X+ b X + C Onde;G e
-
uma matriz simétricab e
-
um vetorc
e uma constante-Sendo que G,b e C, sao determinados em cada passo do
algoritmo (antes de cada ensaio) usando todos os ensaios
precedentes, através do método dos quadrados mínimos
linea-res.
A escolha do modelo foi baseada nas considerações se guintes:
a) As expressões quadráticas sao as que melhor se
adaptam a problemas de otimização.
b) O alto grau de flexibilidade (o algoritmo
admite
que se possa trabalhar com um grande número de va
riáveis, as quais podem ser modificadas em forma
isolada ou conjunta).
2. 4 AJUSTE DO ALGORIT!-10 AOS DADOS DISPON!VEIS
. n -
.-Dado um con]unto de dados;X,Y,E,R ,onde Y e a var1a-vel dependente, temos que ajustar urna expressão quadrática
aos dados, tal que, o erro seja mínimo.
Achar a melhor aproximação quadrática para esses
da-dos, implica achar os coeficientes de Gij'bi e C, que
mini-mizem
a
seguinteexpressão:
Este problema pode ser resolvido pelo método dos
qu~drados mínimos lineares (1).
2, 5 RESOLUÇÃO DO PROBLEHA
As variáveis independentes tem cotas inferiores e su periores naturais, que o experimentador conhece, por exem-plo a temperatura poderá variar entre 25 e 90°, o tempo en
tre 5 e 45 minutos, o PH entre 5.4 e 6.2. Assim, em cada
passo do algoritmo, o experimentador será aconselhado a
fa-zer o ensaio que resolva o seguinte problema:
!linimizar Q (X)
Sujeito a L. :Ç X.~ U
1.
l l
O resultado obtido, aconselha um novo experimento a ser feito até atingirmos valores desejados da eficiência~
2. 5.1 ESQUEHA DO ALGORITMO
Inicialmente simulamos um número de experimentos,
atribuindo valores gerados aleatoriamente para as
variáveis independentes. A seguir calculamos a efi
-ciência (variável dependente) para cada experimento simulado.
Feito isto, procedemos como segue:
1. Ajusta-se a função quadrática Q(x} aos dados ger~ dos, através de quadrados mÍnimos lineares.
*
2. Minimiza-se Q(X), encontrando o ponto ótimo X 3. Simula-se um novo experimento, calculando a efi
*
* •
ciência em X, encontrando o ponto (X,Y }.
* *
te ajuste o ponto (X ,Y ) •
S. Minimiza-se a nova quadrática encontrada no
i tem 4.
6. Repete-se o processo, até atingirmos um
va-lor razoável de eficiência.
Para realizarmos o processo de otimização dos itens
2 e 6, usamos o método de Nelder-Mead (2).
A seguir, passaremos a descrever o processo
computa-cional, com seu respectivo diagrama de blocos simplificado.
2.6 PROCEDIMENTO COMPUTACIONAL
O procedimento computacional compreende um programa
principal e quatro subrotinas principais, para o qual
te-mos desenvolvido o seguinte diagrama de blocos
INICIO
LEITURA
DE
ElU'ERIMENTOS
/
""
"
ElU'ER
/
/
CALL
"
"
QUAU
/
/
CALL
"'
"
Fi/4ASF
/
"
/
CALL
'\
'\
MFi/2A
/
NÃO
EFICI~NCIAVALOR DA
:il
O
DESEJADO
SIM
2.6.1 COMENTÂRIOS SOBRE AS PRINCIPAIS SUBROTINAS
Faremos agora alguns comentários sobre as subrotinas
utilizadas:
a) SUBROTINA EXPER
e
a subrotina que inicialmente calcula aeficiência Y para cada combinação de variáveis indepen
-dentes
x1
geradas aleatoriamente. Na saída do pro cesso de otimização, efetuado pela subrotina MF02A a subrotina EXPER calcula a eficiência para*
cada ponto ótimo encontrado X • No processo real esta rotina
é
o próprio experimento, realizado no laboratório em condiçÕes naturais.b) SUBROTINA QUAD
g aquela que monta as equações normais, no prece~ so de ajuste da função quadrática Q(X), aos dados disponíveis, através do método dos quadrados
mini
mos lineares ..
c) SUBROTINA F04ASF
e
aquela que resolve um sistema linear de equa çÕes do tipo Ax=b, onde Aé
uma matriz simétrica. Para a resolução do sistema a subrotina usa omé-todo de decomposição de Cholesky, e foi implemen-tada pela NAG LIBRARY.
d) SUBROTINA MF02A
~ a que minimiza a função, foi implementada pelo
u
r-~ 1B I B
1 . : ;r;
A \\'!-p
LABMA, e usa o método de Nelder-Mead para otimiz!! ção de funções, que
é
descri to no apêndice II.CAP!TULO III
EXPERI~NCIAS NU~RICAS
3.1 INTRODUÇÃO
Neste capítulo apresentaremos as experiências
numéri-cas realizadas, sendo que as mesmas tiveram como
objetivoanalisar o comportamento do algoritmo proposto-no
capítulo
anterior.
Tendo em consideração que no processo de extração de
sacarose por difusão
é
oneroso fazer experimentos,
consider~mos conveniente fazer experiências numéricas com uma
função
teste usando o algoritmo proposto e o método de Nelder-Mead.
Com o
algo~itmode Nelder-Mead simulamos que o
processo de
otimização da função teste representa o número de experimen-tos que seriam necessários realizar até serem atingidos valo res Ótimos da eficiência e comparamos esses resultados com
os obtidos nas experiências numéricas do algoritmo proposto.
3.2 FUNÇÃO TESTE
A função
teste escolhida para as experiênciasnuméri-cas foi a seguinte:
F(X)
=
(X-X*)t G(X-X*)+C+POnde:
X*
é
um suposto ponto ÓtimoX e
-
um ponto inicial3.3 -V/'ILO~S CERADOS /I.LEATG-RIAKEN~
"
.c
e uma constante P e o valor da perturbação.ALGORITMO PROPOSTO - EXPERIENCIAS NUMtRICAS
As experiências numéricas
reali~adascom o
algoritmo
pcoposto que foi apresentado no ítem 2.5.1 do capítulo
ante-rior, sao dadas na tabela I.
As mesmas foram realizadas comduas variáveis e tendo suposto conhecido um ponto eficiência
X*(7,-6).
ótimo da
Visando analisar o comportamento do algoritmo com
rnu-danças nas variáveis e que fizemos experiências sem perturb~
çoes e com perturbações de lO até
100%~S~M PER
1
-~ r~:RTURllA- rERTU!liiJI-' Pl:RTURB/1- I'ERTURilA- PERTVIUlA- PERTUI!!IJ\- PI:RTUl<l!ll-Pl:RTURBA- Pi:RTURBA- PERTURllll-1'Uilll11ÇÀO Ç'ÀO LOI çlio'"'
'"
'"'
çM.,,
ÇÃO'"'
'"
'"'
'"
'"'
çM'"'
'"'
'"'
'"'
1001"
V,O.L()R'!llll
VJ\WR MW VP.LOR M!tl V.U.OR MIN VALOR Mitl VALOR MIII VALOR MlN VIILOR 'HN VI\.LOil MIN VALOR "!>> VALOR lUAVAL. 011 FUNÇJI.O OA F;mçl\o OA ;'UNÇ!to DA FUI;Ç)\0 DA FI.INÇJ\.o OA FUNÇÃO DA FUNÇi\0 DA FUUÇÂO DA FUNÇJI.O DA fU1<Ç . .\o DA FUIIÇ~
-
80].0G19 78J.658B 764.2557 744.6527 7Z5.H'JG 70G,0465 686.~434 667.2~03 647,8373 626.4342 609.0311-
76.2400 76.8242 71.4084 77.9926 78.5769 79.1611 7~. ?453 60.3295 80,5137 61.4~80 62.082~-
666.970J 718.175~ 769,3816 820.5872 871.7921 922,9g~5 ~74.20H Hl25.410 1076.615 1127.821 1179.027 n6.aanj
- 948.8Hl 931.6S25 914.4559 897.259) 880,0627 862,6661 845.6695 828.4129 Bll.H63 794.0797 - us.no& 132.9105 140.4304 147.9503 155.4702 162.9901 l10.5100 178.0JOU l85.54H 193,0698 200.5697-
64.8913 63,6089 62.7204 6L.6ll9 60.5435 79.4550 78.3665 17.2781 7&.1896 75.1011 74.0127'
0.69Dt:~06 0.181 o. 122 1.605 2. 787 4.190 5.644 6.902 1,497 6.636 2,695,
0,890E-06 O, 7111;-01 0,241 0,464 o. 7l1 0,973 ~.252 1,570 1.975 2. SJO 3,)09,
o.nn:~os o,BllE~Ol O. lOS 0.654 1.129 1,750 2,596 3.616 S.HO 9.121 15.616•
0.217E~05 o.nn;~o1 0.212 o. 546 0.593 1.302 1.810 2. 486 3. 51] S. 253 B. 465'
0,182E-05 0.755E-Ol 0.262 0.516 0.816 1.155 1,555 2.069 2.820 c .as o 6,311•
0,125E-05 o, 746t-Ol o. 249 0.476 a. 724 0.983 1.259 l.SU 2.021 2.694 3,607,
0.122E-06 O. 767E•Ol o. 270 o.su 0.864 1,2.16 1.706 2.310 3.212 4. ?SJ 7.&24•
o.uze-o6 0.?30E~01 o.2H 0,457 0.6SG 0.911 1.138 1.363 1,696 2,ll9 2.805'
O.l22t-06 0,6Z4t•01 0.]07 0,652 l.lJ.2 1.699 2.470 3.SSB s.no 8.184 14. ta O"
0.122E-06 O, 710E-Ol 0,264 O,SH 0,817 1,151 l,S4l 2,041 2. 727 4.006 6.267u 0,122&-06 0,7661':-01 0.281 O. S74 0.934 1.366 1.904 2,629 3. 740 5.H'i 19,345
"
0,298E~06 O, 769E•Ol 0,271 0.541 0.866 1.239 1.687 2.276 3.166 4.&77 7. 518"
0.16U:·05 D.670E~Ol o. 338 0.748 1,ll9 ~.075 1.0~6 4. 562 6.902 11.127I"·'"
"
O.H6E-06 o, 74oe~o1 o .14 2 o. 451 0.669 o.an 1.071; ~.284 1.SJ6 1.887 2. 366"
0,06E~06 O. 783!:-01 0.278 0,562 0.909 l,JH 1.829 2.506 3. 537 S. l l l a. 737"
0,436!:~06 0. 760E~Ol o. 260 0.504 o. 784 1,090 1.434 1.865 2.491 J. 523 1 s.4o2n O,llSE-05 O. ?Z;!E~Ol o.23z• 0,423" 0.607• 0,763· '!l,665
f'l.974
'1..027 ''l.Oll"
0.297E~OS 0.7951:~01 o. 284 0,577 0,941 1,1n 1.920 2,649 1.173 S. ?JL 9.501'"
0.736!:~06 O, 775E-01 0,21l Q. S3ó o.ass 1.275 1. 656 2.227 l.OBO 4.Sl8I" ,..
J .)03"
o. JJ6E~06 lo. ' ' 763t::~Ol 0.280 0.566 0,915 l. 335 1,040 2, S25 ], 57) 5.181 Í a.uo *VALOIU:S H%tHI"'.JS TABELA I i i I ' ' ''
' 'ANÂLISE DA TABELA I
Nesta tabela, observamos que o valor mínimo sem per
-turbação
é atingido na sétima iteração com uma precisão
de
E-06 mantendo-se esse valor constante nas quatro
seguintes
iterações, sendo que
já
na primeira iteração
é
obtido um
ex-celente resultado com a mesma precisão.
Perturbando de 10%, o valor rninimo
é
atingido na se-gunda iteração com uma precisão de E-01. Os valores obtidos
nas iterações restantes oscilam em torno desse mínimo manten
do-se a precisão.
Analisando as restantes perturbações, observamos que
os valorês mínimos são obtidos na iteração 17, sendo que os
mínimos vão aumentando em ordem de grandeza até perturbações
de 80%, diminuindo nas duas Últimas perturbações (90 e 100%).
Por outra parte observamos que a medida que o valor
da perturbação
é
incrementado, aumenta a dispersão dos res-tantes valores com relação aos respectivos minimos obtidos •
3.4 NELDER-MEAD - EXPERitNCIAS NU~RICAS
'
com o algoritmo de Nelder-Mead supomos um ponto Ótimo
conhecido X*(7,-6) para uma determinada eficiência e
simula-mos que o processo de otimização representa um conjunto de
ensaios a serem feitos até obter valores Ótimos da eficiên
-cia.
De forma análoga as experiências realizadas no
Ítemanterior, a função foi testada sem perturbaçõês e com
pertuE
Levando em consideração que para realizar o processo
de otimização
é
necessário dar um ponto inicial e que a funçao
é
perturbada, fizemos experiências com diferentes pon
-tos iniciais visando analisar os efei-tos que as perturba çoes produziam no valor da função com relação aos mesmos.
A seguir apresentamos os resultados nas seguintes ta
o
,.
~"
~~---~
'·
0 0,.
'
o • " o o o*
~
;
~..
"' <> C> o N N M ~ ~ • ~ ~ ~ ~ C> o o <> <> o o o o c g~ ~
:~ ~ ~
*
*
*
k* *
~
é
~
~ ~ ~ ~ ~ N ~ ~ ~ ~ ~ ~ : ~ ~ o ~ ~ o o o o o ~ o o o o f TABE!ili II'·
I
I
i
1
ANl\LISE DA TABELA II
O ponto inicial dado foi {4,-4), porém bem prÓximo do
ótimo suposto
(7,-6).
Na função sem perturbação o mínimoé
atingido em 72 iterações com uma precisão de E-08, mas ob
-tem-se um bom valor com 20 iterações.
Analisando as diferentes perturbações observamos que
os valores mínimos são atingidos com uma
exce~enteprecisão,
sendo que esta varia conforme a perturbação. Com perturba
-ções de 10 a 90% a precisão está entre E-04 e E-08 e com
H H H SE>I PtRTU!m~Çf;O VERTURB>.ÇJ\0
"'
"
111\LQR ti!N,"
11/U.OR 1\lN, VIIL DA FUNÇM ·~· lll'l l;mlÇiiO'
620.7500'
sn.an1'
Sl4.6a75'
491.7180"
llS.U~ó"
200.1680"
1:.6999"
425.5726"
28,04~$"
LQ,G254G"
5,0)40"
S.JHG?G'"
5,0177'"
O,S9104Sl"
2,)128"
11.H78Sl0"
0.611~·01"
O.i6H26"
0.8901:-0l"
n.74JE:.o2"
0.41-1&•02"
o.nl;:.-ot"
0.60:1~·01"
0,641E·Ol"
0,1\liC·O)..
o.Olle-oJ"
O.l66E-Ol"
O.HlE-0~"
0.112~-00"
O.SOSE-04"
0.40l.I'O·OI"
0.53~1:·06..
o,Hu:-os..
O,l25E-Oii"'
~. UúE-OG.,
n,l51E-Ol"'
o.n;~-01..
0 0.l08E-OB"
•o, BStE-0~ .'·'·'~'
'"'''"'
rtRTURilo\çl'.O VõRTliR!I/1\"')lO NO'<TU!llliiÇ~O
'"'
"'
\01'
"'
VIILOR fi!H,"'
VI\LOR 1\tN,"
'11\LOR Mlll, IIAL OA FU!IÇJ\o 111'1\L 0/1 FU!!ÇI\0 1\VN.., o/1. rwç.\o'
514.97)5'
sn1.oss2'
oG! .196~'
451,7665'
41S.n?JJ'
JH.s2n"
\S7.4GG?"
G8J,85Q1"
6SO ,SG1S"
n.ta~sn"
521.1<;17"
Sl~.9JJ2"
H,07)66'"
6)0,4045'"
U0,911l"
1.644?70"
UO,lHO"
H6,708l"
4.116846'"
7ta.n4a'"
807,9283"
0.1:171280"
SSC..GJD"
518,6104"
O.HL2l94"
40B,77H"
li2,8!H"
O,SJ2J;·O?."
>Jl.?"'l"
~46,3475"
o,Jl3e-oz"
;~S.lSll"
423,702"
0, 756L•02"
~17.6474"
I
HS,OH~..
n.J~ar:-ol'"
4'10.4415'"
'lH,J">6l"
a.Jl2C·04"
569.6lst"
r,lS,JJlJ"
O,lOOE-03"
194.ni4"
I
618.1589"
0,205L-0~"
11l.l0l~"
' r,D2,JJ04..
0.265~·05.,
n,GJ~C·07I
..
•n,L70~·n~ ' ---~ -~~-..
- "-"
VERT<ll<!)/I,Ç.~O I'CRTUI<B"ÇI\0I
r"r.t!R!l•\ÇJ.o 'OH"'
"'
''"
111\L<)R >1!:<, )19 wu.on II!U.'"
VALOR lt!N,11\IIIL, on ru:";lio ·~· Oh FtnlÇ.I'.o 1\VI\L,
"
FUllÇ!i.O'
4ll.l087'
JH.4204'
l5S.SJ22'
359,9411'
127.31(1'
294.6010"
750,0615"
71L?572"
19J,Cl29"
Sl6,84H"
526.1481"
515.4489"
7ll,,l0?"
ns.L%o'"
7S6.86Ll"
JSL.07l5I
"
Jll,l6H"
29),6572'"
872,1413"
916.?661"
981.5849"
S82, ~OH"
579.HS9"
S7S.S655"
121.~944'"
267.SSJ9'"
2U,lllS"
5,2,?005"
5ll.46H"
SlO,Ol4l"
)37,2021"
)44,6046"
302.0070"
198,$642"
9)9, 2722"
817.9502"
•Joa.l~92"
'249, ;149"
•tn.Jon,,,
G42.H~7"
651,18!9"
659.9HO'"
GJ4.SMG"
6H,l7ll"
648,2J6S"
~1).676,"
616.)717"
Gl9.0S!l5i
I
I
I -·~- -~---·~- -~----·~-Pr.RTURB/>Ç~'l rtn"l"URU~ç;>;o"'
"'
N~ IIN..OR >!IN, :I? 111\LOR ~\IH.
'"~ M FU\IÇ~ AVAL. DI\ F\JNÇÃO
'
Jll,Ul~'
27?.7556'
262.2279'
229.6H8"
615.7065"
637.5642"
504, 74?7"
494.050~"
77!.52S2"
aoa.lHl"
lU,?JOl"
l05.H29"
016.204'"
1090,82)"
5'l,94S"
S6B,J24S"
1S6.Hll'"
l01.2Hl"
50~.601"
4H,t5U"
25,,(09"
2l6.6HO"
917.648"
951.3362"
'll7.S97..
074.474l"
668.446"
67G,~H"
655.100"
661,961"
'•2L.7H"
624.4641 nR'IU!UCÇÃO !Q ~~"'
V.;.L~R ~IN, "~ DA 7\IIIÇÃO'
,H.SGH'
U7,06l7"
651.4~~~"
UJ.JS14"
82t,B564"
lU,5lH'"
lU5.4H"
5!4.7HO"
4;,nn"
4!5, 7JSQ"
lll,21H"
H7.0242..
·1~.0609 N"'
·-ANÂLISE DA TABELA III
O ponto inicial dado foi (-4,4), sendo que a função
sem perturbação atinge o mínimo em 87 iterações com uma
pre-cisão de E-09, mas obtem-se um excelente resultado na
itera-ção
40com uma precisão de E-01.
Com perturbações de 10 e 20% o mínimo
é
atingido em89
iterações com urna precisão
de E-08. Pertur~ações de 30 a'
"'
. .
g:;; ... :; ::: .... <> ... ~ ... O "' "' OD "' N C> "'n"'..
.
. .
~ :G ~ .. ~ ,:, :c~~~~~;';g ..;.;.; TABELA IVI
I
I'
I
II
!
ANALISE DA TABELA IV
O ponto inicial dado foi (4,4) e a função sem per
-turbar atinge o mínimo em 72 iterações com uma precisão de E-08.
Perturbando a função em 10% o mínimo
é
atingido em 95iterações com uma precisão de E-08. Os valores obtidos com
~ <
"
""•
"
" "'... ...
..
.... "' ... ... ..., N O "' "' N "' " "; ., "':; ":...
.
"-
"'
"'~~~~~~~~~~~~~~g :;.:;;~:;:~1'(;:56~ ~ ~
~';!"'~....
~
.. -::*
~
*
~~"::~ ~ ~ ~
...*
:<!~":;"':~
*
~
~...
~~ ... ~~~ "~~ ""•".
TABELA V o • o...
--•I
II
I I IANÃLISE DA TABELA V
O ponto inicial dado foi (4,4) e o valor mínimo sem perturbar a função foi atingido na iteração 80 com uma preci são de E-08 ..
Observamos que com perturbações de lO e 20% o
valor
mínimo da função
é
obtido na iteração 88 com uma precisão de
E-09
e
E-08respectivamente.
Para perturbações_ de 30 a 100%Da análise realizada nas tabelas II, III, IV e V
con-9luimos que sem perturbar a função, com quaisquer dos pontos
iniciais usados, obtemos mínimos compatíveis sendo que
que varia
é
o número de iterações na medida em que o pontoinicial
é
dado mais longe do Ótimo suposto.o
Perturbando a função observamos que para um ponto ini
cial próximo da solução (tabela II) os valores obtidos
sao-compatíveis enquanto que para valores iniciais-longe da solu ção com perturbaçÕes acima de 20%, obtemos valores não signi
fica
tivos.
3.5 RESULTADOS COMPARATIVOS
Neste ítem vamOs comparar os resultados obtidos
com
o algoritmo proposto (tabela I) e aqueles conse;uidos com o
algoritmo de Nelder-Mead (tabela II) já que não podemos
con-siderar significativos pelos motivos apontados no item ante-rior as tabelas III, IV e v.
Considerando que cada avaliação da função teste com
Nelder-Mead representa para nós um experimento e supondo que
para realizar cada um destes no processo real e
-
necessárioum dia de tempo, analisando a tabela II sem perturbar a
fun-ção observamos que para obter um valor compatível com o da
tabela I precisaríamos de 30 dias, enquanto que na tabela I na primeira iteração (um dia) obtemos excelentes resultados. Seguindo o mesmo raciocínio comparativo, com uma
per-turbação de 10% seriam necessários 25 dias, s~ndo que na
Com uma perturbação de 20% gastaríamos 25 dias, com
30% 10 dias, com 40% 15 dias, com 50% 15 dias e de 60 a 100%
5 dias, sendo que em todos esses casos o Ótimo do algoritmo
API':NDI CE I
~TODOS
DOS QUADRADOS M1NIMOS LINEARES
1.1 PRINC1PIO DOS QUADRADOS M1NIMOS LINEARES
Consideremos que f (x} seja uma função, e que 'tx
1},
para i = 1,2, ••• ,n seja uma sequência de pontos, nos quais ternos valores observados de f{x). Denotamos f{x.}, valor
-~
exato em x
1,
por fi e o valor observado em x
1
por
f1
•
Defi-nimos o erro como:
Consideremos que ~j(x), j=l,2, •••• ,n seja uma sequê~ cia definida de funções para cada x
1, ou seja:
Desta maneira, nosso objetivo
é
aproximar
f1
vês de uma combinação linear de· {~(x) } tal que:
atra m E
j=1
ma.
J para i=1,2, ••• ,n (I)
Sendo os coeficientes aj incógnitas a determinar
1de forma que a seguinte expressão, seja reduzida ao mínimo.
2
(f(z. )-~ (x.) )
n -2 E
i=O
n
A condição necessária para E ter um mínimo
é:
a
E
ãa
r = O para r = 0,1, •••••••••.•••• , nou seja,
[f(x1 J-(a0 T0 (x1 J + •••••••••••••••• +a T (x.))]T (x.)=O n n 1 . · r 1
O
que nos
conduz a seguinte expressão:n
n-ao . ~ To(xi)Tr(xi)+ ••••••• +an ).=0 E T ( x. ) i=o n 1 T (x.)= E f(x.)T (x.) r 1 i=o 1 r 1 (III) Patd O " r-' nA expressao (III) constitui um sistema de n+l equa
ções com n+l incógnitas, denominadas equações normais.
Pela resolução do sistema, determina-se o valor das
incógnitas que satisfazem a equação (II), obtendo-se uma
aproximação por quadrados mínimos lineares de f(x) sobre
Assim definido o princÍpio dos quadrados mínimos
lineares, no item seguinte daremos uma aplicação específi -ca para o problema formulado no -capítulo II.
1·2 APLICAÇÕES AO PROBLEMA
Dado um plano e dois vetores x
1
, x
2
que pertencem ao
plano, podemos obter um vetor resultante Y e aproximar a
função Q definida no capítulo II a Y. Consideremos a segui~
te figura:
Q
(Y-Q)
Na figura I, temos que:
a) x
1 e x2 são vetores dados.
b) Y
é
o vetor
resultante de x1, x2
c)
(Y - Q)
é
o vetor diferença, cuja.norrna {1)
re-presenta a menor distância de um ponto ao
plano,
onde (Y-Q) satisfaz a condição de ortogonalidade
-a todo vetor do pl-ano, isto e,
(Y-Q) ..L Xi' para i = 1,2, ••• H,K
Podemos agora definir o erro mínimo para a função
Q.
De uma maneira geral, o erro mínimo pode ser expressopor:
(Y - Q) (IV)
Agora consideremos a função Q e Rn e Y e Rn
-Da expressao (IV) temos:
2
1
E=Jy
-mI
m m t+ ••••••••••••••••• +
y -l(x ·) 2 Generalizando:~
IYi-(l(Xi)tG xi+
b xi+c)
12
(V) i=l 2-A seguir passaremos a deduzir as equaçoes normais re sultantes da aplicação do método dos quadrados mínimos
li-neares.
Temos definido,(Y-
Q} ~X.,
para i=1, 2, ••..•• , k.
~ Por. ortogonalidade, < Y - Q, X.,
> = OSegue-se que:
< Q1 X. > = < Y, X. >
1 1 (VI)
A
função
Q pode ser expressa em forma matricial como:Q(x)
=A
r (VII)Onde A
é
a matriz de coeficientes e r
é
um
vetor,
cujas componentes sao as componentes das incógnitas G, b e
c.
Substituindo (VII) na equação (VI), temos:
<Ar,Xi> = (VIII)
onde Xi sao os vetores colunds de A
Operando em (VIII) e por propriedade de produto
in-terno, obtemos:
(X.) t 1
Ou seja,
-Que representa _um sistema de equaçoes lineares, onde
o número de equações
é
igual ao número de incógnitas.
Pela resolução do sistema de equações, obtemos como resultado um vetor, cujas componentes são as componentes da matriz A, vetor b e a constante c.
APllNDICE I !
l'lliTODO DE NELDER-HEAD
2.1 CONSIDERAÇÕES GERAIS
De maneira geral, os métodos numérico para a determi
naçao do valor Ótimo de uma função não linear sao
iterati-vos, sendo necessário para iniciar o processo de busca,
es-tirnar um valor inicial para a solução. Desta forma
á
geradauma sequência de aproximações sucessivas até atingir o
Óti-mo.
Os diferentes procedimentos sao caracterizados pelas estratégias para produzir esta série de aproximações. Os todos diretos sã9 aque:es em que a estratégia de hllsca
baseada na comparação dos valores que assume a função
mé
-e
em cada ponto. Tais métodos não avaliam as derivadas· da fun
-ção. Entre estes métodos, encontra-se o método de Nelder
Mead, que passaremos a descrever no Ítem seguinte.
2.2 DESCRIÇÃO DO ~TODO
Neste método a figura geométrica denominada simplex tem uma importante relevância, como definiremos a seguir.
Definição: Um conjunto de n+l pontos num espaço n-dimensional, forma um simplex. Quando os pontos são equi-distantes, o simplex
é
denominado regular.No caso em que n = 2, a figura correspondente e
-um triângulo. Para n = 3, um tetraedro, etc. A idéiaprin-cipal do método,
é
que podemos facilmente formar um
novo
simplex a partir do original, e irmos trasladando o mesmo
até conseguirmos que a figura ''cerque" o mínimo.
Para descrever o processo, introduzimos a seguinte
notação:
(1}
Xh
é
o vértice correspondente para f(~) =max f(xi)
i
=
max f (x.),
i
1(2)
x
5
é
o vértice
correspondente para f(X5)( 3) Xt
é
o vértice correspondente paraonde i=l,2,oe•••ln+l
(4) X
0
é
o centrÓideV
x1, i~h, sendo dado pela seguinte ex pressao:1 m+l
X = E
x.
o n i=l 1
i~
A seguir definiremos 3 operações básicas usadas neste método.
a) Reflexão, onde Xh
é
substitu{do por:Onde o coeficiente de reflexão a>O
é
a razão da distântal que, um melhor valor da função
é
esperado. Usa-se
a
relação:
Onde o coeficiente de expansão I! >1
é
expresso pela razaoc) Contração,
é
a operação através da qual o sirnplex
é
redu
zido, usa-se a seguinte relação:
Onde o coeficiente de contração B
é
a razão da distânciade
[x
c X ] para [x X ] e satisfaz o O<~ 4--h o
o método pode ser visualizado como um movimento definido através das operaçÕes descritas acima, que mostramos na Figa
i
,
até o simplex "cercar" o ponto mínimo.
/ REFLEXÃO EXPANSÃO FIGURA l X e xh CONTRAÇÃO
Podemos definir o processo como segue:
1) Um sirnplex original
é
formado, e a funçãoé
avaliada emcada vértice para determinar Xh' X
5
e X
0
•
2) Realiza-se a reflexão sobre ~ e avalia-se o ponto refle
tido xr.
taura-se o processo, com a formulação de um novo simplex.
< f(Xn),
é
de se esperar que a direção {X -X)• r o
possa dar um valor inferior da função, logo expandimos o
novo simplex nessa direção. A expansão seria sucesso, se
é
substituidoDor
.
X •e
Emcaso de falha,
Xb
é
substituído por Xr. Em ambos osca-sos, o processo
é
restaurado através
deum novo sirnplex.
5) Se no movimento de reflexão do i tem 2, a avaliação de Xr
é
tal que f(~) >f(X
5} , substitue-se
por Xr e realiza-se o movimento de contração. Depois de
efetuarmos a contração, compara-se f(~) e f(Xc). Se
> f(Xc) a contração
é
sucesso; Xhé
substituídopor Xc e reinicia-se o processo com um novo simplex. No
caso de falha, f(~) ~ f(Xc) e o Último simplex
é
con-traido em torno do ponto
x
1,onde a função assume o menor
Recomeçando-se o processo a partir do item 1.
O
critério
de parada do algoritmo sugerido por Nelder-Mead [7]
é
dado pela seguinte expressão:{ l n n+l E i=l < E .. l
Onde E e um va or prefixado suficientemente pequeno.
2. 3 COMENTÂRIOS
O método de Nelder-Mead requer a continuidade de
função, sendo de grande utilidade prática nos casos onde a
função
é
não diferenciável ou as de~ivadas parciais da mesma sao descontínuas, ou ainda quando o valor da função de
-pende de- a·lguma medida física, porém sujeita a erros aleató
rios.
Os problemas citados, acarretam em geral dificulda
-des para os métodos que precisam avaliar a derivada da
função.
A maior vantagem do método
é
a facilidade deprogra-mação. No referente a convergência,
é
em geral lenta e a r~pidez da mesma depende da estimação dada para o ponto ini -cial ..
Este método: juntamente com os demais métodos dire tos, foram desenvolvidos através de processos heuristicos ,
entretanto nenhuma prova sobre a convergência dos mesmos foi
realizada até hoje. Porém experiências computacionais
reali-zadas por muitos autores [4,6] asseguram que o Nelder-
Mead
C O N C L U S
Õ
E SComo já ternos apontado no decorrer do presente trab~
lho, o oneroso no processo real de extração de sacarose por dif~
sao
é
realizar experimentos com alterações nas variáveis até atingir um resultado razoável na extração. Considerando esse fator
corno muito importante
é
que temos proposto um algoritmo parare-solver o problema, sem entrar em considerações no que respeita a eficiência computacional do mesmo, considerações estas que temos
nos reservado para expor aqui.
As experiências numéricas realizadas mostraram um
bom comportamer.to do algoritmo proposto, embora consideremos o
mesmo lento, já que foi testado para duas variáveis e vinte ite-rações (cada iteração
é
considerada um experimento simulado) se~do que o tempo de CPU gasto foi de 3.5 minutos para cada rodada
de programa nessas condições. Se o número de variáveis fosse
incrementado, o tempo de CPU aumentaria consideravelmente.
o tempo computacional que
é
considerado grande ecausado em boa parte pelo uso do método de Nelder-Mead no prece~
so de otimização. Embora o algoritmo de Nelder-Mead seja
consi-derado lento
é
extremamente eficiente em termos de convergência,B I B L I O G R A F I A
---[1] Brod1ie, K.W.: Unconstrained Minirnization, em the State of
the
Artin Numerical Analisis, o.
Jacobs(Ed.),
AcadernicPress, New York, 1977.
[2]
Brüniche, Olsen H.: Diffusion of Beet and Cane, Sugar
Tech-nology, Review 1, 3-42, 1979.
[31
Genie,G.V.: Evaluation of the Eficiency of Cane
Diffusers
by Transfer Units, S African Sugar
J.,
57, 601-607, 1973.[ 4] Kowalik, J. e Osborne M.R.: t1ethods for Unconstrained Optimi
zation Problems,
Richa~dBellman (Ed.), American Epsevier Pu
blishing company Inc. 1 New York, 1968.
[5]
Luemberger, D.G.: Introduction to Linear and Non Linear
Pro-graming, Adisson - Wesley, 1973.
[ 6] Murray, W.: Numerical Methods for Unconstrained Optimization, London Academic, 1972.
[ 7] Ne1der, J .A. e Mead, R.: A Simplex Methods for Function H.i-nimization, Computer J. 7, 303- 310, 1965.
[81 Ralston Antony: Introducción al Analisis Numérico, Editorial Limusa- ~Viley S.E., Mexico, 1970.