- •Глава 9. Организация эксперимента при решении задач оптимизации
- •9.1 Формализация задач оптимизации технических систем (процессов)
- •9.1.1 Формулировка задачи оптимизации
- •9.1.2 Классификация задач оптимизации
- •9.2 Методы поиска оптимальных условий работы технических систем
- •9.3 Аналитический поиск экстремума целевой функции
- •9.4 Численные методы поиска оптимума
- •9.4.1 Оптимизация перебором
- •9.4.2 Сканирование
- •9.5 Итерационные методы направленного поиска
- •9.5.1 Метод дихотомии
- •Результаты вычислений по методу дихотомии
- •9.5.2 Метод золотого сечения (деление отрезка в среднем и крайнем отношении)
- •9.6 Методы безградиентного многомерного поиска оптимума
- •1. Безградиентные методы:
- •2. Градиентные методы:
- •9.6.1 Покоординатный метод Гаусса-Зайделя
- •9.6.2 Метод случайного поиска
- •9.6.3 Симплекс – планирование и движение в область оптимума
- •1. Наилучшее значение выходной переменной y наблюдалось в двух или нескольких вершинах симплекса. Рекомендуется принять решение с помощью одного из случайных механизмов (бросания монет и т. П.).
- •Матрица симплекса 1-3-6
- •Матрица симплекса 2-7-8
- •Преобразованная матрица симплекса 1-3-6
- •План-матрица начального симплекса
- •Координаты симплекса 2-3-4
- •Координаты симплекса 3-4-5
- •Координаты симплекса 2-4-6
- •Координаты симплекса 4-6-7
- •Координаты симплекса 6-7-8
- •9.7 Градиентные методы экспериментальной оптимизации
- •9.7.1 Метод градиента
- •9.7.2 Метод крутого восхождения
- •План-матрица пфэ и его результаты
- •Расчеты для движения по градиенту
- •Реализация мысленных опытов
- •9.7.3 Особенности решения задач экспериментальной оптимизации
- •9.8 Вопросы для самоконтроля
9.1.2 Классификация задач оптимизации
На рисунке 9.1 приведена классификация задач оптимизации, основанная на анализе четырёх признаков:
-
числа критериев оптимизации;
-
наличия граничных условий;
-
числа экстремумов целевой функции;
-
числа оптимизируемых параметров.
Рис. 9.1 Классификация задач оптимизации
В зависимости от размерности вектор-функции F различают однокритериальные и многокритериальные задачи.
В зависимости от того, лежит решение задачи внутри области допустимых значений факторов или на её границе, различают безусловные и условные задачи оптимизации.
В зависимости от числа экстремумов целевой функции различают локальные (одноэкстремальные) и глобальные (многоэкстремальные) задачи оптимизации.
В зависимости от числа k оптимизируемых параметров различают однопараметрические (k=1) и многопараметрические (k > 1) задачи оптимизации.
При решении многокритериальных задач оптимизации осуществляют поиск и использование дополнительной информации, с помощью которой многокритериальную задачу сводят к однокритериальной.
Условные задачи оптимизации преобразуют в безусловные (для преобразований используют различные методы: метод подстановки, метод проекций, метод штрафных функций и др.).
Поиск глобального (т.е. самого большого из имеющихся у целевой функции) экстремума – это самая сложная задача оптимизации. Для её решения привлекаются разнообразные алгоритмы случайного поиска.
Ниже рассматриваются методы решения одно- и многопараметрических задач, связанные с необходимостью выполнения экспериментального (машинного или эмпирического) поиска оптимума.
9.2 Методы поиска оптимальных условий работы технических систем
Разработке методов поиска оптимальных условий работы сложных систем, в том числе технических систем, посвящена специальная математическая дисциплина «Математическое программирование». В зависимости от свойств оптимизируемых систем, в частности, наличия и вида ограничений и других характеристик, применяют программирование – линейное, нелинейное, геометрическое, а также экспериментальное.
Известные методы поиска оптимальных условий работы технических систем можно условно разделить на три группы – аналитические, численные и экспериментальные.
Аналитические методы применяют, когда оптимизируемая функция задана аналитически, число ограничений невелико, можно продифференцировать целевую функцию и искать экстремум, исходя из условия равенства нулю производных.
Численные поисковые методы применяют, когда целевая функция вычисляема и известен алгоритм, по которому можно рассчитывать значения критерия оптимальности при заданных значениях факторов. Вычисляют ряд значений целевой функции при различных значениях аргументов. Сопоставление вычисленных значений целевой функции показывает, в каком направлении нужно двигаться в пространстве факторов, чтобы приближаться к оптимуму.
Если целевая функция невычисляема и не известен вид целевой функции, то единственный способ нахождения оптимума – экспериментальный.
Теория эксперимента включает методы поиска оптимума.
Ниже приведена краткая характеристика аналитических и численных методов поиска оптимума и более подробно рассмотрены методы организации экспериментального поиска оптимальных условий работы технических систем, т.е. соответствующих значений оптимизирующих факторов.