книги / Системы экстремального управления
..pdfинтегратор (Ир), выход которого I
I(t) = ± \ <U x)dt |
(18.4.1) |
сравнивается с постоянным порогом А . Здесь Тх — пос тоянная времени интегратора. При достижении интегра лом/ (t) порога .4 сра батывает нуль-орган НО, который посыла ет импульс на реверс исполнительного эле мента ИМ и на сброс интеграла I (х) = А.
Реверс ИМ осуществ ляется двустабиль ным элементом ДЭ (триггер в счетном режиме), выход кото рого может прини
мать только два значения + а. В зависимости от вели чины функции качества момент т срабатывания НО будет различным. Чем больше функция качества, тем бы стрее интеграл (18.4.1) до стигнет порогового значе ния и тем раньше насту пит реверс. Этим осуществ ляется селекция удачного и неудачного направления.
Действительно, при дви жении к экстремуму функ ция качества уменьшается, время т увеличивается и система дольше движется
вэтом направлении, чем
вобратном (напомним, что скорость движения по мо
дулю постоянная и рав на а). Однако, для того что
бы в среднем система двигалась к экстремуму, недостаточно только реверсировать скорость изменения оптимизируе
этих величин влияние инерционности может быть сведено к нулю.
Рассмотрим теперь оптимизацию многомерного объек та. Для этого достаточно повторить многократно блок, показанный пунктиром на рис. 18.4.1. При этом необхо димо сделать так, чтобы периоды всех блоков были раз ными (для этого достаточно взять разные пороги At). В этом случае процесс оптимизации идет одновременно по всем параметрам объекта. Требование разночастотности каналов в данном случае аналогично требованию разно частотности при синхронном детектировании.
Г Л А В А 19
ОВРАЖНЫЙ ПОИСК
§ 19.1. Существенные и несущественные переменные. Понятие оврага
В предыдущих главах рассматривались объекты, оп тимизируемые параметры которых были равноправным, т. е. процесс поиска по каждой из координат был одина ковым. Однако на практике встречается большое число объектов, параметры которых существенно по разному влияют на поведение функции качества, и поэтому ес тественно по-разному строить поиск вдоль этих пара метров.
Разобьем все параметры объекта xlt ..., хп на две группы [19.1]. К первой группе отнесем параметры, не значительное варьирование которых приводит к значи тельному иёмбЦевгйю показателя качества. Частные про изводные для этой группы параметров велики по модулю и для определенности будем считать, что они удовлетво ряют условию
|
dQ(X) |
> 0 1 |
(119.1.1) |
|
дх. |
||
где |
> 0 — заданный порог. Будем |
параметры этой |
первой группы называть «несущ ественными» перемен ными, подразумевая под этим простоту организации по иска вдоль этих параметров.
Действительно, любой локальный поиск будет, преж де всего, оптимизировать именно эти параметры. «Несу щественной» эта группа параметров названа именно по тому, что от этих параметров легко избавиться обычными локальными средствами поисковой оптимизации.
К другой группе отнесем параметры или их, функции, изменение которых приводит к относительно небольшому изменению показателя качества, т. е. частные производные
остальных направлений функция качества возрастает и очень интенсивно. На рис. 19.1.1 показана овражная ситуация. Пунктиром показано «дно оврага»,, а сектор минимизирующих направлений заштрихован. Хорошо видно, что применение методов локальной оптимизации^ не приводит к цели на дие оврага, так как градиентные направления здесь резко изменяются (см. стрелки на ри сунке). Следовательно, локальный поиск приведет объект лишь на «дно оврага» и там практически прекратит эф
фективную |
работу, |
у ц |
т. е. движение к эк- |
||
стремуму. |
|
|
При движении ко |
|
|
дну оврага, как легко |
|
|
заметить, |
изменяют |
|
ся в основном несу |
|
|
щественные перемен |
|
|
ные. Для |
движения |
|
вдоль дна оврага не |
|
|
обходимо |
изменять |
Рис. 19.1.1. Пример оврага. |
только существенные переменные. В этом и состоят трудность овражной ситуа
ции и сложность задачи овражного поиска, предназначен ного оптимизировать функцию качества с оврагами.
Очевидно, что дно оврага может иметь размерность больше единицы (на рис. 19.1.1 показан одномерный ов раг). В этом случае в пространстве параметров имеется подпространство, в котором функция качества изменяется очень незначительно. Остальная же часть пространства параметров имеет большой градиент функции качества.
Для обнаружения овражности можно воспользоваться следующим приемом. В районе точки Х0, которая, как предполагается, расположена на дне оврага, проведем сферу малого радиуса е. Пусть X — произвольная точка на поверхности этой сферы, т.е. | X — Х0 | = е. Оп ределим приращение показателя качества при переходе из исходной точки Х0 в X:
AQ = Q ( X ) - Q (Х0). |
(19.1.3) |
Если точка X на поверхности сферы будет выбираться случайно, то AQ также будет случайной величиной и
Модели овражной функции качества можно скон
струировать следующим образом. |
|
т <[ п) |
Пусть уравнение дна ш-мерного оврага (1 |
||
имеет вид |
|
|
ft(X) = 0 (i = 1, 2,. |
, п - т). |
(19.2.1) |
На дне оврага функция качества должна иметь вид Q0 (X ). Тогда овражная функция качества с этими свойствами записывается следующим образом:
п—m
Q(X) = <?о (X) + 3 а,Г (X), |
(19.2.2) |
1=1 |
|
где av а2,. ., а„_т — достаточно большие числа, |
обеспе |
чивающие существование п — т несущественных перемен ных задачи.
Как видно, конструкция овражной функции качества достаточно проста. Это — сумма обычной функции каче ства и добавки, равной нулю на дне оврага, но значитель ной при некотором удалении от этого дна.
Например,
71 |
П—771 |
|
<?(*) = 2 |
*« + 2 щх! |
(19.2.3) |
î=i |
Î=I |
|
Здесь дном оврага является гиперплоскость х1 = х2= ...
= |
хп-т = 0. |
Минимум этой функции расположен в |
|||
точке х1 — х2 — |
|
= хп = |
0. |
|
|
Как показано в § 12.3, минимизация функции вида |
|||||
(19.2.2) является, |
|
по . сути дела, решением задачи миними |
|||
зации |
функции |
|
Q0 (X) при |
ограничениях / г (X) |
= 0 |
(г = 1, ..., п — т) |
методом штрафных функций. Это |
об |
стоятельство дает возможность неограниченно синтези ровать овражные задачи из безовражных, но с ограниче ниями первого рода (типа равенств). Действительно, вся кая задача оптимизации с ограничениями первого рода, решаемая методом штрафных функций, является овраж ной с оврагами, направленными вдоль ограничений.
В качестве характерного примера объекта с оврагом рассмотрим одну из задач обработки результатов наблюдений. Эта задача заключается в определении неизвест ных параметров теоретической формулы по результатам экспериментов.
Пусть
u(z) = f (z, |
хп) |
(19.3.1) |
— известная теоретическая зависимость и от z, включаю щая неизвестные параметры х15 ..., хп. В эксперименте получены значения ut для zi {i = 1, N > п). По этим данным необходимо определить параметры а^, ..., хп. Решение этой задачи сводится к минимизации функции не вязки, характеризующей степень несоответствия (невяз ки) друг другу теории и экспериментальных данных:
N
Q (*1. • . ■ , хп) = 2 Г/ (zi* *1» • • • »хп) — Wi]2. (19.3.2) i=l
Как показывает опыт расчетов, эта функция очень часто
бывает |
овражной. |
это |
на |
одном простом примере. |
|
Проиллюстрируем |
|||||
Пусть |
теоретическая |
зависимость (19.3.1) |
линейна: |
||
|
и (z) = |
хх + |
:r2z, |
(19.3.3) |
а экспериментальные данные отклоняются от теоретиче ских на случайную величину е с нормальным законом рас пределения, нулевым математическим ожиданием и дис персией о2:
ut — Х1 + х\ Zi + е£, i = l , . . ., N, (19.3.4)
где х\, х\ — целевые значения неизвестных параметров. Составим функцию невязки
N
Q (*1, xi) = 2 [(*1 — *i) + (*а — х\) Zi — 8i]2. (19.3.5) i=i
Для простоты будем рассматривать среднее значение функ ции невязки Q, полученное осреднением по всем возмож
ным реализациям ошибок гг. Преобразуем (19.3.5) к виду
N
Q(*1,хг) = (хх — x \f N + (хг — a?a)a 2 4 |
+ |
г=1 |
N * |
N |
|
+ 2 (хх — х\)(х2 — х*2) 2 z i + |
М ( 2 8i] , (19.3.6) |
|
4=1 ' |
где М — знак математического ожидания. Известно, что сумма N квадратов нормальных случайных чисел имеет математическое ожидание, равное No2.
Для простоты введем координаты
|
Vi = |
Хх — Хх, |
|
(19.3.7) |
|
|
У2 “ |
*^2 |
* |
|
|
|
^2 1 |
|
|
||
характеризующие |
уклонение |
объекта |
от цели. Теперь |
||
функция невязки |
принимает |
вид |
|
|
|
|
N |
N |
|
|
|
Q(У\, Уг) = vlN + у\ 2 |
4 + 2^ -2 2 |
^ + |
Мз2- (19.3.8) |
||
|
1=1 |
i= l |
|
||
Выбор точек |
определяется стратегией |
измерений. |
Именно эта стратегия существенно влияет на поведение функции невязки. Рассмотрим несколько случаев.
от |
1. Пусть замеры располагаются равномерно вдоль z |
|||||||
zx = 0 до |
ZN = |
(N — 1)Д, т. е. |
|
|
|
|||
|
|
zj = |
(г - |
1) Д |
(i = |
l, . ., N), |
(19.3.9) |
|
где |
Д — шаг |
замеров. |
Для |
этого |
случая |
имеем |
|
|
|
N |
|
|
N |
|
|
(27V—i). |
|
|
2 Zi = 4 -(^-i) |
2 4 = 4^(лл_ i) |
||||||
j = i |
|
|
i = i |
|
|
|
(19.3.10) |
|
|
|
|
|
|
|
|
|
Так как в практических задачах число измерений берется всегда достаточно большим, то эти выражения можно упростить