Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АрхитектураБиологияГеографияДругоеИностранные языки
ИнформатикаИсторияКультураЛитератураМатематика
МедицинаМеханикаОбразованиеОхрана трудаПедагогика
ПолитикаПравоПрограммированиеПсихологияРелигия
СоциологияСпортСтроительствоФизикаФилософия
ФинансыХимияЭкологияЭкономикаЭлектроника

Градиентный метод с оптимальным шагом

Исходные данные | Прогнозирование на основе синусоидального тренда | Оптимизация режима по равенству относительных приростов расходов топлива. | Распределение реактивной мощности между источниками | Расчет электрического режима по коэффициентам токораспределения | Распределение активной мощности между станциями | Обобщенный метод Ньютона | Оптимизация режима с учетом ограничения по перетоку в контролируемой линии. Метод замены переменных. | Расчет режима по раздельным моделям | Оценивание состояния ЭЭС |


Читайте также:
  1. B. Неклассическая методология
  2. C. Постнеклассическая методология
  3. D) сохранения точных записей, определения установленных методов (способов) и сохранения безопасности на складе
  4. D.2. Методы оценки технических уязвимостей
  5. I 7 D I РЕЛИГИЯ И НАУЧНЫЕ МЕТОДЫ
  6. I РЕЛИГИЯ И НАУЧНЫЕ МЕТОДЫ
  7. I РЕЛИГИЯ И НАУЧНЫЕ МЕТОДЫ

Градиентный метод относится к методам возможных направлений, суть которых заключается в том, что спуск из любой точки начального приближения Х0 кточке абсолютного минимума целевой функции можно осуществить по различным направлениям, при которых последовательно уменьшается F(x).

Градиентом функции F в точке Х0 называется вектор, ортогональный к касательной плоскости и указывающий направление наибольшей скорости возрастания функции F. С точки зрения локальных свойств, противоположное ему направление антиградиента является наилучшим из всех возможных направлений, так как оно показывает путь наибольшего убывания функции F(x).

Выполним 2 итерации расчета градиентным методом. Для этого сначала найдем вектор антиградиента, представляющий собой вектор частных производных минимизируемой функции:

(4.10)

В качестве исходного приближения выберем следующий вектор:

.

Тогда в точке начального приближения целевая функции будет иметь значение , а вектор антиградиента:

.

Найдем координаты новой точки и значение целевой функции в этой точке:

,

.

Значение целевой функции в новой точке меньше, чем в точке исходного приближения. Таким образом, принятое направление, как и предполагалось, обеспечивает уменьшение функции. Однако это уменьшение несущественное, поэтому следует двигаться в этом же направлении, не переходя к следующему шагу. Для определения оптимальной длины шага выполним двойной шаг, тогда координаты новой вспомогательной точки

.

Целевая функция принимает значение

.

Таким образом, нам известны параметры трех точек зависимости целевой функции от длины шага F(q). Тогда данную функцию можно аппроксимировать полиномом второго порядка. Минимум данной функции соответствует оптимальной длине шага и равен

.

Используя оптимальную длину шага, найдем параметры и значение целевой функции на первом шаге.

,

.

Аналогичные действия необходимо выполнить на последующих итерациях.

Антиградиент в точке нового приближения будет равен

.

Подставляя вектор нового приближения, получим следующие параметры трех узлов аппроксимации функции F(q): , .

Тогда оптимальная длина шага согласно будет равна

.

Используя оптимальную длину шага, найдем параметры и значение целевой функции на втором шаге.

,

.

Таким образом, после двух итераций оптимизации градиентным методом получили следующее распределение активной мощности между станциями:


Дата добавления: 2015-11-16; просмотров: 60 | Нарушение авторских прав


<== предыдущая страница | следующая страница ==>
Комплексная оптимизация режима ЭЭС с учетом технологических ограничений методами нелинейного программирования.| Метод покоординатного спуска

mybiblioteka.su - 2015-2024 год. (0.007 сек.)