Читайте также: |
|
Аналитические методы — решение в явном виде.
Численные методы (поиск) — решение с помощью некоторого алгоритма.
Регулярный поиск — строго определённый порядок действий.
Случайный поиск — порядок поиска может меняться.
Аналитические методы:
Дифференциальное исчисление: 1)
2) (i = 1, 2, …,n)
3) Унимодальность.
Метод неопределённых множителей Лагранжа:
F(X) à max при jI(X)=0;
Функция Лагранжа: F0=F+ à max; ,
Регулярный поиск:
Одномерный поиск: Для унимодальных функций.
Метод Гаусса-Зейделя: метод покоординатного спуска.
Метод наискорейшего спу ска: F à max, ,…, , x= x°+h×gradF(x°).
Метод конфигураций: может использоваться для движения по гребню.
|
Линейное программирование:
Случайный поиск: xj=xi°+xi, где xi Î (-1; 1).
Лёгкий случайный поиск с возвратом.
Особенности практического применения методов оптимизации.
Сложности задач оптимизации:
Высокая размерность (³10¸20)
Оценка значимости параметров
Нормализация:
, здесь (0£ £1).
Наличие ограничений.
– Область X Î G — может быть и пустой (Æ), т.е. ограничение — «жёстко».
– Метод штрафных функций: y=F(x)+q (x), функция штрафа для ограничения j(x)£0; q (x)=[max{0, j(x)}]2×r;
Многоэкстремальность, наличие глобального экстремума.
Метод сканирования; многоэтапные процедуры.
Овраги (гребни) функции цели.
Применение алгоритмов оптимизации в экстрем. и самонастр-ся САУ:
а) Блок-схема СНС:
б) Блок-схема экстр. САУ:
Доп. литература:
Дуглас Дж. Уайлд «Методы поиска экстремума», -М.: Наука, 1967, 268 с.
Первозванский А.А. «Поиск», -М.: Наука, 1970, 264 с.
Пример задач имитационного моделирования.
Изучение экологических проблем (Никита Николаевич Моисеев, дир-р ВЦ АН СССР, г Алма-Ата, 1986 г.).(«экология» — «изучение собственного дома»)
Работы по изучению биосферы были включены в план ВЦ АН СССР в 1971 г.
Первая версия модели биосферы»12-15 лет на её разработку.
Подробнее см. [Человек и биосфера, Александров, Моисеев], 1984 г.
Тестирование моделей — только на ЭВМ =(«звериное лицо объективной истины»).
Машинные эксперименты:
Влияние содержания углекислоты на состояние окружающей среды;
Анализ влияния пожаров (облака сажи) на земной климат.
Сценарий: Взаимный обмен ядерными ударами åмощ.»5000 мГтонн.
àСССР — проверяли» на 360 дней (упрощ. модель).
àСША — проверяли» на 30 дней (полная модель с учётом океана).
Результаты совпали.
Взрыв мощностью 1 мГт à 300¸400 тыс.т пыли
10000 мГт à 3¸4 млрд.т пыли.
13% ядерного потенциала à превращается в костёр 1 млн.кв.км леса à
à около 4 млрд.т. сажи.
Облака сажи над городами» в 100 раз плотнее облаков, обр-ся в рез-те лесных пожаров. Þ «Ядерная ночь» + «Ядерная зима» (в Сев.Европе температура падает» на 30° С, на восточном побережье США» на 40°-50° С).
100 мГтонн = общая взрывная мощь зарядов одной-двух подв. лодок типа
«Трайдент –2».
Зондирование пространства параметров [Соболь И.М., Статников Р.Б. Наилучшие решения — где их искать. –М: Знание, 1982, 64 с.]
Задача: требуется найти значения параметров R1, R2, R3, R4, C1, C2, C3, при которых АЧХ фильтра максимально близка к заданной (идеальной) характеристике:
Критерий качества:
Параметры ФНЧ при этом будут удовлетворять следующим ограничениям:
RiH £ Ri £ RiB
CiH £Ci £ CiB
Зондирование — численное исследование пространства параметров X=(x1, x2, …,xn) с целью определить наилучшие сочетания этих параметров.
Пример зондирования: интервал изменения каждой переменной xi делится на m частей, итого получается mn точек в узлах сетки. Всего 42=16 точек, но если F(x1,x2) зависит только от x1, то 12 точек являются «лишними», неинформативными.
Более рациональная схема маш. эксп-та — Проекции точек на любую грань прямоугольника (в общем случае параллелепипеда) также образуют хорошие сетки. Желательно чтобы соответствующие точки имели закон распределения, близкий к равномерному; т.е. закон распределения точек должен быть случайным.
Этапы решения поставленной задачи:
Выбор пробных точек Ai (I=1, 2, …, N);
Составление таблиц испытаний:
Здесь Ai Î {x1, x2, …, xn} — пробные точки в заданной части пространства.
Fj Ai | F1 | F2 |
A1 A2 A3 An | F1(A1) F1(A2) F1(A3) F1(An) | F2(A1) F2(A2) F2(A3) F2(An) |
(A1, A2, …, An) — равномерно распределённые точки.
Определяются границы изменения критериев: min F1 £ F1 £ max F1;
Min F2 £ F2 £ max F2.
Выбор критериальных ограничений: на этой стадии — ЛПР — может назначать дополнительные критериальные ограничения: F1 £ F1* и F2 £ F2*, тем самым исключая из таблицы испытаний некоторые строки, т.е. некоторые испытательные точки Ai.
Исключение неэффективных точек:
Выберем какую либо из имеющихся допустимых точек, например A1. Просматривая все другие точки Ai, кроме отмеченной, исключим те из них, для которых выполняются условия:
– При этом из рассмотрения исключаются все безусловно худшие точки, чем A1. Затем среди оставшихся точек выберем какую-либо другую, отметим её и повторим процесс исключения.
– В итоге получим множество приближенно эффективных точек (при N à ¥ получаем в пределе множество эффективных точек).
5) а) Можно построить приближенную границу Парето-области.
б) Можно найти корреляционную зависимость критериев F1 и F2 :
, где ,
rkl — коэффициент корреляции.
Если rkl»1, то Fk и Fl — лин. зависимость.
Дата добавления: 2015-12-01; просмотров: 34 | Нарушение авторских прав