- •А.В. Михайлов
- •Утверждено
- •Москва 2009
- •1.1. Основные понятия и определения.
- •1.2 Основные этапы формулировки задачи.
- •1.3 Классификация оптимизационных задач.
- •1.4 Критерий оптимальности.
- •1.5. Условия оптимальности решения.
- •2.1. Постановка задачи. Методы решения оптимизационных задач.
- •2.3. Численные методы решения задачи (методы одномерного поиска).
- •2.3.1. Метод равномерного поиска
- •2.3.2. Метод последовательного равномерного поиска.
- •2.3.3. Метод дихотомии (Метод деления интервала неопределенности пополам)
- •2.3.4 Метод золотого сечения
- •3. Определение безусловного максимума функции нескольких переменных.
- •3.1. Постановка задачи и ее геометрическая интерпретация. Линии равного уровня.
- •Аналитический метод решения задачи. Аналитический метод использует необходимое условие max функции нескольких переменных:
- •Численные методы решения задачи (методы многомерного поиска).
- •Метод направленного перебора.
- •3.3.2. Методы нулевого порядка.
- •3.3.2.1. Метод Гауса-Зайделя (покоординатного поиска).
- •Пример: Выполнить первый цикл поиска максимума функции:
- •3.3.2.2. Симплекс-метод
- •3.3.3. Численные методы первого порядка (градиентные)
- •3.3.3.2. Метод градиента.
- •3.3.3.3. Метод крутого восхождения.
- •4.1 Постановка задачи и ее геометрическая интерпретация
- •4.2. Аналитические методы решения задачи
- •4.2.1. Метод неопределенных множителей Лагранжа
- •Теорема Куна-Таккера.
- •4.3. Численные методы решения задачи
- •4.3.1. Метод штрафных функций
- •5. Оптимизация многостадийных процессов
- •5.1. Постановка задачи на примере и ее формализация.
- •5.3. Метод динамического программирования. Принцип оптимальности Беллмана.
- •5.4. Задача определения оптимального пути на сетевом графике (графе).
- •6. Линейное программирование.
- •6.1. Постановка задачи линейного программирования и особенности ее решения.
- •7.Определение максимума функционала. (Вариационная задача оптимизации).
- •7.1. Пример постановки вариационной задачи.
- •7.2. Определение безусловного максимума функционала. (Классическая вариационная задача), (задача Эйлера).
- •7.3. Определение условного максимума функционала (неклассическое вариационное исчисление)
- •7.4. Определение условного максимума функционала с ограничениями типа дифференциальных уравнений. Принцип максимума Понтрягина.
- •8.1. Формирование критериев оптимальности.
- •8.2. Способы формирования сводного критерия оптимальности.
- •8.2.1. Свертка частных критериев с весовыми коэффициентами.
- •8.2.2. Использование нормативных критериев.
- •8.2.3. Приближение к идеалу.
- •8.2.4. Справедливый компромисс.
- •8.3. Оптимальность по Парето.
- •9. Типовые постановки задач оптимального управления технологическими процессами
- •9.1. Пуск и остановка единичного агрегата.
- •9.2. Пуск системы взаимосвязанных агрегатов.
- •9.3. Оптимизация статического установившегося режима.
- •9.4. Оптимизация циклического установившегося режима.
- •9.5. Оптимизация режима в аппарате периодического действия.
- •9.6. Календарное планирование работы аппарата
- •9.7 Оптимальный режим работы параллельно включенных агрегатов: распределение нагрузок.
- •9.7.1. Минимизация затрат.
- •9.7.2. Учет вероятностного характера нагрузки.
- •9.7.3. Учёт динамических факторов.
- •9.8. Оптимальный режим работы последовательно включенных агрегатов.
- •9.9. Согласование работы периодически или циклически действующих аппаратов.
3.3.3. Численные методы первого порядка (градиентные)
3.3.3.1. Постановка задачи.
Понятие градиента и его геометрическая интерпретация.
, V: , где = 1,2…n.
Градиентом функции называется вектор в пространстве варьируемых переменных, направление которого в данной точке соответствует наискорейшему возрастанию функции.
Построение вектора градиента производится по его проекциям на оси координат, которые равны частным производным целевой функции по соответствующим переменным.
, в max
В двумерном случае в любой точке на плоскости переменных градиент направлен перпендикулярно касательной, проведённой к линии равного уровня в данной точке (рис. 3.8).
Рис. 3.8
3.3.3.2. Метод градиента.
Метод градиента – это пошаговая процедура поиска max целевой функции , в которой каждый шаг поиска выполняется в направлении градиента, исходящего из предыдущей точки. Координата очередной точки после К-го шага поиска определяется по формуле:
(3.8),
где -const, определяющая величину К-го шага.
Выбор производится, исходя из компромисса между скоростью поиска (растет при больших) и точностью (растёт при малых). Правильным считается такой выбор, при котором уголмежду направлениями вектора градиента в двух последовательных точках находится в пределах от 150 до 300. О величине угла удобно судить поcos этого угла, который вычисляют как отношение скалярного произведения градиентов ик произведению их модулей.
(3.9)
При 150 ≤ α ≤ 300 0,85 ≤ cos α ≤ 0,95 (3.10)
Расчет производится следующим образом:
Выбирается начальная точка (0)c координатами Xi(0), i=1,2…n.
Производится расчет проекций вектора градиента в начальной точке .
Выбирается γ и по формуле (3.8) определяются координаты следующей точки (1).
Производится расчет проекций вектора градиента в точке (1).
По формуле (3.9) определяется cos α.
Если условие (3.10) выполняется, то проводится расчет по пунктам 3-5 для точек (1) и(2) и т. д. Если (3.10) не выполняется, то величина γ корректируется и повторяется расчет по пунктам 3-5 для точек(0) и(1).
Остановка алгоритма производится при равенстве с заданной точностью нулю вектора градиента илиили задается количество шаговN и за решение принимается последняя полученная точка (N).
Как видно из изложенного алгоритма, расчет достаточно громоздкий, причем заранее неизвестно, сколько раз придется рассчитывать один и тот же шаг. Мало того, что не определены критерии первоначального выбора коэффициента шага , но и нет гарантии, что повторный расчет будет удачным и не придется пересчитывать тот же самый шаг еще несколько раз. Действительно, после первого неудачного расчета шага мы получаем информацию только о том нужно ли уменьшить шаг (в случае, т.е.) или увеличить (, т.е.), но насколько надо изменить шаг, чтобы второй расчет оказался стопроцентно удачным, неизвестно. Этих недостатков лишен метод крутого восхождения.