- •Введение
- •1. Интеграция методов оптимизации в структуру сапр
- •1.1. Основные задачи оптимального проектирования
- •1.2. Методы структурной и параметрической оптимизации в сапр
- •1.3. Математическое описание объектов проектирования
- •1.4. Формализация технико-эксплуатационных требований, предъявляемых к объекту проектирования
- •1.5. Классификация задач оптимального проектирования
- •2.2. Математическое описание объектов оптимального проектирования с использованием модели надежности
- •2.3. Математическое описание объектов оптимального проектирования с использованием моделей массового обслуживания
- •3.2. Методы одномерного унимодального поиска
- •3.2.1. Эффективность алгоритмов одномерного поиска
- •3.2.2. Метод дихотомии
- •3.2.3. Обобщенный метод Фибоначчи
- •3.3. Методы безусловной оптимизации
- •3.3.1. Методы многопараметрического поиска без вычисления производных
- •3.3.2. Градиентные методы спуска
- •3.3.3. Методы минимизации квазиньютоновского типа
- •Заключение
- •Библиографический список
- •Оглавление
- •394026 Воронеж, Московский просп., 14
3.2.2. Метод дихотомии
Если проведено только одно испытание (N = 1), то неопределенность относительно расположения точки локального минимума х* на отрезке [0,1] не снимается. Это связано с тем, что информация о значении минимизируемой функции Q(x), полученная при проведении одного испытания, оказывается недостаточной для использования свойства унимодальности при сокращении априорного интервала неопределенности. Таким образом, длина апостериорного интервала неопределенности при N = 0 (не сделано ни одного испытания и N = 1 остается постоянной и равной единице: l0 = l1 = 1. Чтобы уменьшить исходный интервал [0,1], требуется провести не менее двух испытаний (N=2). Рассмотрим этот случай более подробно.
Согласно принципу гарантированного результата (3.16) при проведении двух испытаний (N = 2) точки испытаний х1, х2, [0,1] такие, что x1 < х2, следует выбирать таким образом, чтобы наибольшая длина апостериорного интервала неопределенности [а2, b2] была как можно меньше:
(3.17)
при условии, что
. (3.18)
Л инии постоянного уровня функции f (x1, x2) = max{х2,1-x1} приведены на рис. 3.2, из которого видно, что минимальное значение функции f (x1, x2), равное 0,5 в области допустимых значений Df= { (x1, x2) | x1 ≥ 0, х2 ≤ 1, x1 = х2 }, достигается при x1 = х2 = 1/2.
Рис. 3.2. Линии постоянного уровня двумерной
функции f(x1, x2) = min {x2, 1 – x1}
Однако в силу ограничения (3.18) использовать эту точку испытаний не представляется возможным. Поэтому оптимальным решением задачи (3.17) — (3.18) является пара таких точек испытаний, которые расположены симметрично относительно середины априорного интервала неопределенности [0,1] и разнесены между собой на величину (рис. 3.3):
(3.19)
Здесь — минимально допустимый сдвиг ( > 0) между точками испытаний х1 и х2, при котором можно точно определить знак разности (Q(х1) - Q(х2)), т.е. параметр имеет такое значение, что, если |x1 – х2| ≥ , то Q(х1) = Q(х2)только в том случае, когда x1 и х2 находятся по разные стороны от точки локального минимума х* (рис. 3.3, в).
Проведение пары испытаний в точках х1 и х2, определяемых из выражений (3.19), в силу унимодальности минимизируемой функции Q(x) позволяет получить апостериорный интервал неопределенности [а2, b2], в котором заключена точка локального минимума х* и длина которого меньше исходного интервала [0,1]. При этом возможна одна из следующих ситуаций:
а) если Q(х1) < Q(х2) (рис. 5.3, а), то отрезком локализации точки х* является подынтервал [а2, b2] = [0, х2 ], а отрезок [х2, 1] может быть исключен из дальнейшего рассмотрения;
б) если Q(х1) > Q(х2) (рис. 5.3, б), то отрезком локализации точки х* является подынтервал [а2, b2] = [х1, 1], а отрезок [0, x1] может быть исключен из дальнейшего рассмотрения;
в) если Q(х1) = Q(х2) (рис. 5.3, в), то отрезком локализации точки х является подынтервал [а2, b2] = [х1, х2], а отрезки [0, х1] и [х2, 1] могут быть исключены из дальнейшего рассмотрения. Включим эту ситуацию, как частный случай, в первую ситуацию при выполнении условия Q(х1) ≤ Q(х2).
Проведение двух испытаний на отрезке [0,1] позволяет получить гарантированную точность:
(3.20)
Рис. 3.3. Уменьшение априорного интервала
неопределённости [ak, bk] путём проведения двух
испытаний в точках
Алгоритм , реализующий процедуру выбора точек испытаний х1 и х2 по формулам (3.19), называется методом дихотомии (методом деления отрезка пополам). Согласно этому алгоритму первая пара экспериментов проводится в точках x1 = (1 – ) / 2 и х2 = (1 + ) / 2, расположенных симметрично относительно середины априорного интервала неопределенности [0,1]. Из свойства унимодальности минимизируемой функции Q(x) после отбрасывания подынтервала, где точка локального минимума х отсутствует, для дальнейшего рассмотрения остается один из текущих интервалов неопределенности [0, (1 + / 2] или [(1 – ) / 2] (рис. 3.4, а), длина которого определяется выражением (3.20). Следующая пара испытаний, разнесенная между собой на величину минимально допустимого сдвига , проводится симметрично относительно середины текущего интервала неопределенности, полученного на предыдущем шаге (рис. 3.4, б). По значениям функции Q(x), полученным в этих точках, часть исследуемого интервала неопределенности в силу унимодальности минимизируемой функции исключается из дальнейшего рассмотрения. В полученном текущем интервале неопределенности симметрично относительно его середины проводится новая пара испытаний, разнесенная на величину (рис. 3.4, в) и т.д. После проведения [N / 2] пар испытаний, учитывая выражение (3.20), для гарантированной точности метода дихотомии F1 получаем следующее выражение:
(3.21)
где [N/2] — наибольшее целое число, меньшее или равное N/2.
Недостатком метода дихотомии F1 является то, что на каждом k-м шаге поиска приходится проводить два новых испытания в точках и . Причем информация о значениях функции в этих точках и на (k + 1)-м шаге полностью игнорируется и не используется для определения последующих точек испытаний.
Рис. 3 4. Метод дихотомии
В таблице 3.2 приведены результаты решения задачи оптимизации:
методом дихтомии F1 для N = 5 и = 0,02.
Таблица 3.2
|
|
|
|
|
|
|
|
0 |
– |
– |
– |
– |
0 |
1 |
0,5 |
1 |
0,49 |
0,51 |
-0,0098 |
0,0102 |
0 |
0,51 |
0,255 |
2 |
0,245 |
0,265 |
-0,12495 |
-0,12455 |
0 |
0,265 |
0,1325 |
Апостериорный интервал неопределенности после проведения пяти испытаний имеет длину: l5 (F1) = b5 – а5 = 0,265, что совпадает с гарантированной точностью метода дихотомии, вычисляемой по формуле (5.12) при [N/2] = 2.