
- •Автоматизация и проектирование динамических систем. Типы динамических систем. Понятие динамических систем.
- •Задача проектирования и ее специфика для всех трех типов систем.
- •Обобщенная формулировка задачи проектирования.
- •С пособы решения задачи оптимизации и их сущность.
- •Разновидности непрерывных алгоритмов.
- •Дискретный алгоритм и его интерпретация.
- •Векторная форма записи алгоритмов проектирования.
- •Проектирование в условиях неопределенности (адаптивных подход, третий тип систем).
- •Адаптивные алгоритмы или алгоритмы обучения.
- •Понятие сходимости алгоритмов обучения (алгоритмов проектирования адаптивной системы) или устойчивости обучающихся систем.
- •Критерии сходимости алгоритмов обучения.
- •Методика получения алгоритмов проектирования в условиях неопределенности или алгоритмах обучения.
- •I Раздел. Обучение распознаванию образов (событий, ситуаций). Проектирование этих систем.
- •1. Частные алгоритмы обучения.
- •2. Релейные алгоритмы.
- •3. Алгоритм Адалина (адаптивный, линейный).
- •Основные понятия теории принятия решений (тпр).
- •Адаптивный Байесов подход к обучению распознавания образов.
- •Самообучающиеся системы, которые обучаются без указания учителя или без поощрения.
- •Байесова самообучающаяся система.
Обобщенная формулировка задачи проектирования.
В общем случае показатель качества проектирования можно записать в следующем виде:
J(C1, C2, …, CN) = Mx{F(x1, …, xm, C1, …, CN)} =
Х
Т.
е. в виде матожидания от некоторой
известной нам функции F,
зависящей от параметров проектирования
C1,
C2,
…, CN
и случайных процессов
,
воздействующих на систему.
Функцию F мы задаем сами. Она выражает требования, цели проектирования.
А поскольку на нее действует случайный вектор, то мы ее усредняем.
О
=
граничения записываются в следующем виде:
Х
k = 1… M1, M1 < N.
Значения этой функции тоже будут случайными, поэтому мы усредняем их матожиданием
Введем следующее понятие:
- вектор воздействий:
вектор параметров проектирования:
вектор – функции, участвующие в формировании ограничений:
Т
огда задача проектирования может быть сформулирована в общем случае:
Т
ребуется определить значения параметров проектирования , которые минимизируют критерий качества проектирования:
П
ри следующих ограничениях:
Эта универсальная формулировка охватывает все три типа рассмотренных нами систем. Рассмотрим, во что она выражается:
Детерминированная система:
Р(х)
х
Тогда:
Стохастические системы:
P(x) – вероятность менее удобная, но она нам известна. Т. е., например:
Р(х)
х
Тогда постановка задачи такая же, как и в общем виде.
Решение задачи структурно, то же самое, но мы решаем задачу в среднем, и находим в среднем наилучшее решение.
Адаптивные системы:
P(x) – некая функция, но нам она неизвестна.
И
тогда в явном виде мы не можем задать ни критерий, ни ограничения, а задача состоит в нахождении оптимального варианта параметров .
Сделать это можно лишь наблюдая отдельные реализации и .
В данной ситуации это достигается лишь методами обучения или адаптации.
С пособы решения задачи оптимизации и их сущность.
Здесь речь пойдет о том, как нас найти оптимальный вектор .
Р
азличают два класса методов:
- Аналитические (явные) – они дают просто формулу для нахождения . Плюс – получили формулу и подставили, все просто. Минус – для систем выше 3-го, 4-го порядка единой методики решения задач проектирования не существует. Используются другие методы.
-
Алгоритмические методы (численные методы) – задают некий алгоритм или управление некой «машины», при выполнении которого или при движении которой мы получим оптимальное .
Для выяснения сущности алгоритмических методов рассмотрим детерминированную скалярную задачу.
П
ример: Детерминированная => случайности нет, скалярная => не вектор.
Требуется найти способ отыскания С*, который даст минимум.
П
оложим,
что f(C)
– непрерывная и минимум один раз
дифференцируемая функция. Тогда самый
простой способ – взять 1-ю производную
от f(C)
и приравнять ее к нулю:
f
C

f ’
C

f ’(C) = 0 => C = ?
Е
˅
сли f ’(С) неразрешима относительно С, то поставим себе вопрос – нельзя ли статическую задачу превратить в динамическую? Такую, которая в какие-то моменты времени или в конце своей работы даст нам значение, совпадающее с оптимальным С*.f ’(С) = 0 – статическая задача
З
1
апишем следующее уравнение:
Это уравнение, которое заставляет C(t) изменяться со временем. Оно задает изменение параметра C во времени.
Е
сли возьмем γ(t) ≠ 0 (коэффициент усиления «машины»), то если f ’(С(t)) → 0, значит и
(правая часть стремится к нулю => левая тоже).
Т
1
˅
. е. процессы в системе прекратятся в момент f ’(С(t)) = 0. Т. о., представим, что мы соорудили «машину», которая движется в соответствии с уравнением , и в установленном режиме останавливается в точке f ’(С(t)) = 0.О
1
пределение: Такое преобразование статического уравнения в динамическое уравнение , эквивалентное ему по результату решения, называется в математике навязыванием движения.Структурная схема такой «машины» будет иметь следующий вид:
f ’(С)
– γ(t)
∫
ФП
У
С0 = С(0)
С(t)
ИУ
Обозначения: ФП – функциональный преобразователь;
У – усилитель;
1
ИУ – интегрирующий усилитель.Эту схему можно называть реализацией непрерывного алгоритма . Это способ решения на физических элементах задачи проектирования.
Определение: Такие схемы называют непрерывными алгоритмами или непрерывными методами.
Может быть реализована на стендах, на АВМ и т. д.
Эта «машина» автономна, т. е. извне на нее не действует ничего. Все, что нужно для решения задачи: цель, критерии и условия проектирования – заложены в блоке ФП.