- •Міністерство освіти і науки україни
- •Скопійовано з оригіналу-макета, наданого автором
- •1. Математичне моделювання хіміко-технологічних процесiв
- •1.1. Загальні поняття
- •1.2. Класифікація моделей.
- •1.3. Фізичне моделювання
- •1. 4. Математичне моделювання
- •Знак ( –) при коефіцієнтах порівнянь означає, що потік спрямований з
- •1. 5. Засоби складання математичних моделей.
- •1. 5. 1. Емпiричний засіб
- •Загальна оцінка експериментальних засобів.
- •Приклад
- •1.5.2. Експериментально - аналітичний засіб
- •1. 5. 3. Теоретичний засіб
- •1. 5. 4. Зіставлення засобів побудови математичних моделей
- •5. 5. Вірогідність та простота моделі
- •5. 6. Рішення порівнянь математичного опису
- •5. 7. Перевірка адекватності та iдентифікація моделі
- •5. 8. Вибір математичної моделі
- •2.Моделювання Хімічних Реакторів
- •2. 1. Модель реактора ідеального змішування
- •2. 1. 1 Модель різ для опису стаціонарного режиму
- •2. 1. 2. Модель різ при протечі деяких реакцій
- •2. 1. 3. Дослідження моделі різ
- •2. 1. 4. Побудова q - t -діаграми і дослідження стійкості стаціонарних режимів різ
- •2. 1. 5 Умова стійкостi
- •2. 1. 6. Вплив вхідних параметрів на стаціонарні режими. Побудова статичних характеристик різ
- •2. 2. Реактор ідеального витиснення (рів)
- •2. 2. 1. Математична модель рів
- •2. 2. 2. Дослідження рів.
- •1.Зміна ступені перетворення при iзотермічному режимі
- •2.Зміна ступеня перетворення при адiабатичному режимі
- •2. 2. 3. Зіставлення різ та рів
- •2. 3. 5. Ячеєчна модель
- •2. 4. Дифузійна модель зподовжнім переносом речовини та тепла
- •2.5. Двохпараметрична дифузійна модель
- •3. Побудова математичнОї моделі каталітичного реактора
- •3. 1. Етапи побудови математичної моделі
- •3. 2. Структурний аналіз
- •3. 3. Моделювання процесу на одному зерні каталiзатора
- •3.4 Теоретична оптимiзація.
- •3. 5. Попередній вибір типу реактора .
- •3. 6. Моделювання процесу в шару каталiзатора.
- •4. Усталеність реакторних схем
- •4.1 Методи дослідження усталеності
- •4.2 Усталеність простих схем
- •4.3 Усталеність промислових реакторів.
- •5. Методи оптимізації технологічних процесів
- •5.1. Постановказадачіоптимізації
- •5.2. Цільова функція і її властивості
- •5.2.1. Нормалізація незалежних перемінних
- •5.2.2. Геометрична інтерпретація цільової функції
- •5.2.3. Особливі крапки і лінії цільової функції
- •5.2.4. Глобальний і локальний оптимуми
- •5.3. Методи рішення задач оптимізації
- •5.4.Аналітичні засоби
- •5.5. Загальна характеристика засобів рішення задач нелiнійного програмування
- •5.6. Градiєнтні методи рішення задач оптимiзації
- •5.6.1. Градієнт цільової функції
- •5.6.2. Обчислення похідних цільової функції
- •5.6.3. Засіб релаксації.
- •5.6.4. Метод градієнту
- •5. 6. 5. Засіб найскорішого спуска
- •5.7. Безградiєнтні методи рішення задач оптимiзації
- •5. 7. 1. Метод сканiрованiя
- •5. 7. 2. Метод локалiзації екстремума
- •5. 7. 3. Метод "золотого перетину"
- •5. 7. 4. Метод покоординатного спуска Гаусса - Зейделя
- •5. 7. 5. Метод Хука - Джiвса
- •5. 7. 6. Метод сканiрованiя
- •5. 7. 7. Симплексний метод
- •5.7.8. Метод Нелдера-Мида
- •5.8. Методи випадкового пошуку
- •5.8.1. Метод сліпого пошуку
- •5.8.2. Метод випадкових напрямків
- •5.8.3. Метод випадкових напрямків зі зворотним кроком
- •5.8.4. Одержання випадкових чисел
- •5.8.4.1. Метод добутків
- •5.8.4.2. Метод відрахувань
- •5.8.4.3. Одержання псевдовипадкових послідовностей з ірраціональних чисел
- •5.9. Порівняння різних методів рішення задач оптимізації методами нелінійного програмування
- •Література
5. 7. 1. Метод сканiрованiя
Алгоритм методу слідуючи й . Iнтервал пошуку [Umin, Umax] розбивається на N рівних дільниць, кожний з яких равен кроку пошуку h. Далі послідовно визначається R(Uj) значення цільової функції у всіх точках розбивки, включаючи граничні точки та запам’ятається максимальне чи мінімальне значення цільової функції (рис.5.23).
Екстремальне значення функції може бути знайдено з точністю до величини кроку пошуку. Основним достоїнством наданого методу є його простота та можливість знаходження глобального екстремуму. До недоліків треба віднести великий обсяг обчислювань, що необхідно виконати для знаходження екстремуму, особливо з високою точністю.
Рис. 5. 23
5. 7. 2. Метод локалiзації екстремума
Iнтервал пошуку [Umin, Umax] розбивається на 4 рівні частини та у точках розбивки та на кордонах інтервалу вираховуються значення цільової функції - у точках 0, 1, 2, 3 та 4 (рис. 5.24). Неважко помітити, що розбивка інтервалу на 4 - найбільш зручний варіант, так як на кожному наступному кроці необхідно обчислювати тільки 2 нових значення цільової функції. У наданому випадку Рис 5.24
у точках 5 та 6.
Локалiзація екстремуму продовжується до отих пор, доки не буде досягнута задана точність. Абсолютна помилка у знаходженні стану екстремуму визначається по формулі :
Δ=(Umax-Umin)*2-(S-1)/2 (5.51)
де S- кількість обчислювань значень цільової функції завжди непарне число.
Так, наприклад, при S=21 відносна помилка у знаходженні стану екстремуму складе:
Δ=(Umax-Umin)*2-10 ≈ 0.001
5. 7. 3. Метод "золотого перетину"
Результати пошуку можуть бути краще, якщо ділення iнтервала [Umin, Umax], у якому знаходиться екстремум, виробляти не на ціле число, а у певному ірраціональному відношенні.
(a / b) = (b / c) або a*c = b2 (5.52)
В основі цього методу лежить закон геометричного відношення чи "золотого перетину". Нехай даний відтинок a, що поділений на дві нерівні частиниbтаcтак, що виконується. Відповідно до цього закону визначаються точки досліджуваного інтервалу, у яких необхідно виробляти обчислення цільової функції.
Оскільки c = a – b, отой підставив вираз длясв (5.52) та запровадивши нову переміннуk = b / a, після перетворень одержимо:
K2 + K – 1 = 0(5.53)
Вирішив (5.53), одержимо близьке значення K ~ 0. 62.
Порядок пошуку екстремуму методом "золотого перетину" наступний . На досліджуваним iнтервалі визначаються дві точки Umin та Umах:
U1=Umin+(1-K).a
U2=Umin+K.a(5.54)
де а - довжина інтервалу Umin – Umax.
У точках U1 іU2 розраховується цільова функція. За знайденим значеннямR(U1і U2)з облікомR(Umin і Umax)визначається подінтервал, у якому локалізований екстремум. У даному випадку це [Umin,U2] (рис. 5.25).
Далі усередині великого подінтервалу [Umin,U1] знаходиться крапка, що відстоїть від загального кінця подінтервалу на відстані
(1–К)Wb= K2 .b,
де b- довжина подінтервалу [Umin,U2], у якому локалізований екстремум, причомуb = K.a. Тоді:
U3=Umin+K2.b =Umin+K2.(K.a)=Umin+K3.a |
(5.55) |
Неважко показати, що в інтервалі [Umin,U2] також дотримується"золотий перетин". Далі обчислюється значення цільової функціїR(U3)і порівнюються значенняR(U2), R(U1), R(U3). Знаходиться мінімальне значення (у даному випадкуR(U3)) і процедура продовжується - визначається аналогічно крапкаR(U4)і т.д., поки не буде знайдений екстремум із заданою точністю. Абсолютна помилка у визначенні положення екстремуму післяSобчислень складе
(5.56)
При S=21 відносна помилка : Δ/(Umax-Umin)= 0,5*0.6218 ≈ 0.9*10-4Отже, точність розрахунку по методу "золотого перетину" практично на порядок перевершує точність розрахунку по методу локалізації екстремуму при тому самому кількості обчислень.
Розглянемо тепер деякі з методів багатомірного пошуку.