Finding an optimized set of transformations for convexifying nonconvex MINLP problems

    Tutkimustuotos: Artikkeli kirjassa/raportissa/konferenssijulkaisussaKonferenssiartikkeliTieteellinenvertaisarvioitu

    3 Sitaatiot (Scopus)

    Abstrakti

    In this paper we describe a method for obtaining sets of transformations for reformulating a mixed integer nonlinear programming (MINLP) problem containing nonconvex twice-differentiable (C-2) functions to a convex MINLP problem in an extended variable space. The method for obtaining the transformations is based on solving a mixed integer linear programming (MILP) problem given the structure of the nonconvex MINLP problem. The solution of the MILP problem renders a minimal set of transformations convexifying the nonconvex problem. This technique is implemented as an part of the alpha signomial global optimization algorithm (alpha SGO), a global optimization algorithm for nonconvex MINLP problems.
    AlkuperäiskieliEi tiedossa
    Otsikko11th International Symposium on Process Systems Engineering
    ToimittajatIftekhar A Karimi, Rajagopalan Srinivasan
    KustantajaElsevier
    Sivut1497–1501
    Sivumäärä5
    ISBN (painettu)978-0-444-59505-8
    TilaJulkaistu - 2012
    OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
    Tapahtumaconference -
    Kesto: 1 tammikuuta 2012 → …

    Konferenssi

    Konferenssiconference
    Ajanjakso01/01/12 → …

    Keywords

    • global optimization
    • nonconvex MINLP problems
    • reformulation techniques
    • signomial functions

    Viittausmuodot