- •1.Системные исследования
- •2.Системный подход
- •3.Системный анализ
- •4.Системные исследования в менеджменте качества
- •Лекция 2 Определение системы
- •1.Определение понятия «система»
- •2.Основные понятия, входящие в определение системы
- •3.Классификация системы
- •4.Понятие о системе качества
- •1.Понятие о структуре
- •2.Структурные схемы
- •3.Графы структуры
- •3.3Матричная форма записи графа
- •3.4.Списковая форма записи графа
- •Лекция 4 Анализ структуры системы
- •1.Анализ элементов
- •2.Анализ связи
- •3.Диаметр структуры
- •4.Связность
- •5.Степень централизации
- •6.Сложность
- •7.Структурный анализ систем менеджмента качества
- •1.Определение информационного анализа
- •2.Графическая схема (модель) процесса
- •3.Построение информационной модели процесса
- •1.Определение функций системы
- •2.Классификация функций системы
- •3.Описание функций
- •4.Функциональная модель системы
- •Лекция 7 Методология функционального анализа систем sadt (idef)
- •1.Истоки методологии sadt
- •2.Sadt-модель системы
- •3.Декомпозиция sadt-модели
- •4.Основные правила построения sadt-диаграммы
- •Тема 5
- •Лекция 8 Анализ иерархии системы
- •1.Понятие об иерархическом анализе
- •2.Метод анализа иерархии т. Саати
- •3.Построение иерархии
- •1.Понятие о матрицах парных сравнений
- •2.Шкала отношений
- •3.Правила заполнения матрицы парных сравнений
- •1.Понятие о векторе приоритетов
- •2.Методы вычисления собственного вектора матрицы парных сравнений
- •3.Оценка согласованности (однородности) суждений экспертов
- •4. Определение результирующего вектора приоритета.
- •Тема 6
- •Лекция 11 Основные направления математического анализа систем
- •1. Понятие о математическом анализе систем
- •2. Логический анализ систем
- •3. Физическая интерпретация формальных систем
- •4. Пример интерпретации формальной системы
- •Лекция 12 Математическое моделирование систем
- •1. Классификация моделей
- •2. Характеристики основных классов моделей систем
- •3. Оптимизация решений, принимаемых при проектировании и эксплуатации систем
- •Тема 7 Математические методы принятия оптимальных решений
- •1. Процесс принятия решений человеком
- •2. Общая схема принятия решений
- •3. Задача принятия решений
- •4. Формальная модель принятия решений
- •1. Классификация задач принятия решений
- •2. Принятие решений в условиях определенности
- •3. Виды неопределенности задачи принятия решений
- •1. Понятие о морфологическом анализе и синтезе систем
- •2. Морфологические таблицы
- •3. Обобщенный алгоритм комбинаторно-морфологического метода оптимизации решения
- •4. Математическая модель решения задачи оптимизации решений комбинаторно-морфологическим методом
- •Лекция 16 Задача линейного программирования
- •1. Постановка задачи линейного программирования
- •2. Геометрическая интерпретация задачи линейного программирования
- •4. Альтернативный оптимум
- •Лекция 18 Нелинейное программирование
- •1. Постановка задачи
- •2. Графическая иллюстрация задачи нелинейного программирования
- •3. Методы условной и безусловной оптимизации
- •4. Классический метод определения условного экстремума
- •5. Метод множителей Лагранжа
- •Лекция 19 Поисковые методы оптимизации
- •1. Непосредственные градиентные методы
- •2. Поиск по способу «оврагов»
- •3. Метод зигзагообразного поиска
- •4. Метод функций штрафа
- •5. Метод случайного поиска
4. Метод функций штрафа
Вместо целевой функции, например, используется функция , представляющая собой разность функций и ограничений , взятых с весовыми коэффициентами :
(19.3)
Если выполняются ограничения, то . В противном случае , где Ag – подбираемая для каждого ограничения константа (вес, значимость ограничения).
В случае, когда ищется максимум в области допустимых решений «штраф не взимается», а при попадании в запрещенную область из «взимается штраф» равный . Для поиска экстремума функции могут применяться градиентные и другие методы поиска.
5. Метод случайного поиска
Этот метод состоит в том, чтобы, осуществляя случайные «бросания точки» в допустимую область, попасть в малую окрестность экстремальной точки. Важнейшие достоинства этого принципа случайного поиска в том, что он не накладывает никаких ограничений на свойства допустимой области и целевой функции.
В частности он пригоден и для поиска глобального экстремума при многоэкстремальных целевых функциях и в случаях, когда область допустимых решений многосвязна. Это можно осуществить с помощью процедуры, представляющей собой комбинацию градиентного метода и метода случайных испытаний (метод Монте-Карло) (см. рис.19.5).
Рис. 19.5. Комбинация градиентного метода и метода случайных испытаний
Методом случайных проб выбираются исходные точки О1, О2, О3. Находится градиентным методом локальные экстремумы. Сравнивая локальные экстремумы, собирают из них глобальный.