- •Оглавление
- •Часть 1 7
- •Часть 2 115
- •Часть 3 228
- •Введение
- •Лекция №2 Форма и принципы представления математических моделей
- •Лекция №3 Иерархия математических моделей и формы их представления
- •Лекция №4 Подобие физических явлений
- •Лекция №5 Моделирование механических состояний и процессов
- •Лекция №6 Моделирование систем массового обслуживания и сложных технических объектов
- •Лекция №7 Моделирование кузнечно-штамповочных машин
- •Лекция №8 Алгоритмизация математических моделей кузнечно-штамповочных машин
- •Лекция №10 Задачи оптимизации конструкций механизмов и кузнечно-штамповочных машин
- •Лекция №11 Оптимизация технологических решений и загрузки кузнечно-штамповочного оборудования
- •Построение математических моделей загрузки оборудования
- •Лекция №13 Виды и взаимодействие различных видов энергии в системах кузнечно-штамповочных машин
- •Лекция №15 Оптимальное проектирование главных приводов кузнечно-штамповочных машин с применением методов математического моделирования
- •Лекция №16 Моделирование процессов разрушения деталей. Прочность и долговечность
- •Лекция №17 Кузнечно-штамповочные машины как объект динамического анализа
- •Лекция №18 Ударные нагружения в системах кузнечно-штамповочных машин. Уравнение движения механического пресса
- •Лекция №19 Модернизация кузнечно-штамповочных машин на основе методов математического моделирования
- •Лекция №20 Методы обеспечения надежности работы механизмов и кузнечно-штамповочных машин
- •Основные понятия планирования эксперимента
- •Лекция №22 Исследование параметров точности механических прессов
- •Лекция №23 Алгоритмизация оптимизационных расчетов
- •Алгоритм случайного спуска
- •Случайный поиск с возвратом
- •Релаксационный алгоритм случайного спуска
- •Случайный поиск по наилучшей пробе
- •Адаптивные параметрические алгоритмы случайного поиска
- •Ограничения типа неравенств
- •Ограничения типа равенств
- •Ограничения типа неравенств и равенств
- •Дискретные ограничения
- •Дискретные ограничения с неравенствами
- •Дискретизация структуры
- •Эволюционная оптимизация структуры
- •Лекция №24 Оптимальное проектирование регулируемых маховиковых электроприводов кривошипных кузнечно-прессовых машин
- •Лекция №25 Моделирование и технический прогресс
- •Заключение
- •Библиографический список
- •394026 Воронеж, Московский просп., 14
Релаксационный алгоритм случайного спуска
Введение возврата в алгоритм случайного спуска обеспечивает ему релаксационные свойства, т.е. не увеличивает минимизируемый функционал. Рекуррентная формула графа имеет вид:
= (23.5)EMBED Equation.3
Здесь - знак конъюнкции, требующий одновременности выполнения событий, указанных в скобках.
Случайный поиск по наилучшей пробе
Алгоритм имеет вид:
(23.6)
где оп - случайный вектор, минимизирующий функционал в районе точки С[N]:
Q(C[N] + g оп) = min Q(C[N] + g j), (23.7)
i = 1,.,.,m
j - случайные независимые единичные векторы, с помощью которых обеспечивается режим случайных проб вокруг точки C[N].
Если величина g мала и функционал в районе С[N] достаточно гладкий, то можно повысить эффективность алгоритма следующим образом:
, (23.8)
где
(23.9)
и
(23.10)
В этом случае шаг делается по наилучшей пробе _, если модуль приращения функционала при этом больше модуля его приращения при наихудшей пробе +, и по наихудшей пробе + в обратном случае.
Адаптивные параметрические алгоритмы случайного поиска
Многочисленные ситуации, складывающиеся в процессе решения задачи оптимизации типа “холм”, “яма”, “плоскогорье”, “хребет”, “овраг” и т. д. Заставляют искать средства такой перестройки алгоритма поиска, чтобы эти ситуации преодолевались бы с минимальными затратами. Такого рода перестройка алгоритма, реализуемая формально, является адаптацией этого алгоритма. Таким образом, задача адаптации процесса поиска возникает всегда, когда алгоритм необходимо изменять в процессе поиска, чтобы поддержать его эффективность на необходимом уровне.
Проблема адаптации возникает всегда при оптимизации сложных объектов, когда нельзя заранее указать на ситуацию, в которую попадает алгоритм поиска. Такого рода неопределенность типична для задач проектирования систем автоматического управления.
Параметрическая адаптация алгоритма случайного поиска опирается на то, что параметрами алгоритма случайного поиска являются величина рабочего шага a и параметра плотности распределения p( ) случайного шага .
Заметим, что случайный поиск отличается от любого детерминированного именно наличием такого распределения, изменение которого позволяет адаптировать случайный поиск. Этой “рукоятки” управления процессом поиска не имеют регулярные алгоритмы, что выгодно отличает случайный поиск. Рассмотрим адаптацию по каждому на указанных факторов отдельно.
23.2. Учет ограничений в задачах случайного поиска
Проблема многопараметрической оптимизации в задачах оптимального проектирования всегда имеет условный характер, т. е. Связана с обязательным выполнением ограничений S(15.1.2). Случайный поиск как метод решения условных задач (15.1.1) отличается рядом преимуществ по сравнению с детерминированными методами. У случайного поиска имеются возможности, связанные со случайным характером поиска, которых в принципе не может иметь не один детерминированный метод решения задачи условной оптимизации.
Рассмотрим различные виды ограничений. Они могут иметь троякий характер. К ограничениям типа неравенств и равенств (15.1.2)
SH: hi(C) 0, i= ; SG: gj(C)=0, j= , (23.11)
добавим ограничения, связанные с дискретностью ряда функций оптимизирующих параметров
SD:fz(C) , z= (23.12)
где fz(.) - заданные функции, а - заданное значение, которое может принимать 2-я функция (r= ). В частном случае при fz(C)=cz получаем
SD:Cz (23.13)
где - значение, которые может принимать z-я переменная (например, целочисленные значения).
Область поиска S, вообще говоря, может быть образована путем различных комбинаций пересечения областей SH, SG, SD. Разумными комбинациями в общем случае являются лишь две. Первая: S=SH SG как известно, связана с непрерывными задачами математического программирования, а вторая: S=SH SD - с задачами дискретного программирования.
Рассмотрим специфику процессов случайного поиска при учете ограничений различного рода.