Skip to main content

Table 5 Results for \(\varDelta t = 4\) h and fixed final times

From: Comparison of dual based optimization methods for distributed trajectory optimization of coupled semi-batch processes

\(N_{i,0}\) Method Objective \(N_{i,f}\) # Coord. Ints. Iterations
[0, 0, 3] Monolithic 24.3068 [20, 20, 20] 11 1
[0, 0, 3] Sub-gradient 24.3072 [20, 20, 20] 11 24174
[0, 0, 3] ADMM 24.3073 [20, 20, 20] 11 97
[0, 0, 3] ALADIN 24.3068 [20, 20, 20] 11 161
[0, 0, 4] Monolithic 24.7824 [20, 20, 20] 10 1
[0, 0, 4] Sub-gradient 24.7821 [20, 20, 20] 10 1797
[0, 0, 4] ADMM 24.7784 [20, 20, 20] 10 82
[0, 0, 4] ALADIN 24.7823 [20, 20, 20] 10 194
[0, 1, 3] Monolithic 24.6082 [20, 20, 20] 10 1
[0, 1, 3] Sub-gradient 24.6086 [20, 20, 20] 10 1022
[0, 1, 3] ADMM 24.6081 [20, 20, 20] 10 125
[0, 1, 3] ALADIN 24.6082 [20, 20, 20] 10 177
[0, 1, 4] Monolithic 25.1012 [20, 20, 20] 9 1
[0, 1, 4] Sub-gradient 25.1008 [20, 20, 20] 9 1040
[0, 1, 4] ADMM 25.1010 [20, 20, 20] 9 105
[0, 1, 4] ALADIN 25.1011 [20, 20, 20] 9 205
[0, 2, 3] Monolithic 24.9415 [20, 20, 20] 9 1
[0, 2, 3] Sub-gradient 24.9417 [20, 20, 20] 9 655
[0, 2, 3] ADMM 24.9414 [20, 20, 20] 9 143
[0, 2, 3] ALADIN 24.9414 [20, 20, 20] 9 188
[0, 2, 4] Monolithic 25.4444 [20, 20, 20] 9 1
[0, 2, 4] Sub-gradient 25.4447 [20, 20, 20] 9 1029
[0, 2, 4] ADMM 25.4443 [20, 20, 20] 9 118
[0, 2, 4] ALADIN 25.4444 [20, 20, 20] 9 87
[0, 3, 3] Monolithic 25.1019 [20, 20, 20] 8 1
[0, 3, 3] Sub-gradient 25.1023 [20, 20, 20] 8 594
[0, 3, 3] ADMM 25.1020 [20, 20, 20] 8 137
[0, 3, 3] ALADIN 25.1019 [20, 20, 20] 8 98
[0, 3, 4] Monolithic 25.6230 [20, 20, 20] 8 1
[0, 3, 4] Sub-gradient 25.6228 [20, 20, 20] 8 429
[0, 3, 4] ADMM 25.6232 [20, 20, 20] 8 124
[0, 3, 4] ALADIN 25.6230 [20, 20, 20] 8 155
[0, 4, 4] Monolithic 25.7596 [20, 20, 20] 8 1
[0, 4, 4] Sub-gradient 25.7600 [20, 20, 20] 8 849
[0, 4, 4] ADMM 25.7575 [20, 20, 20] 8 90
[0, 4, 4] ALADIN 25.7596 [20, 20, 20] 8 56
Back to article page