Запуск и остановка поиска

Этим целям служит пункт меню Run рис. 2.41: когда все готово к оптимизации, нажмите Start, для остановки поиска — Stop (или кла­вишу Esc).

Процесс оптимизации (поиск решения)

В динамике процесса поиска в главном окне системы OptQuest отображается состояние этого процесса (см. рис. 2.44).

Рис. 2.44. Главное окно OptQuest в динамике поиска

Статус поиска (Status) отображается в левом верхнем углу окна (на рис. 2.44 статус определяет время до окончания поиска). Имя файла оптимизации (Optimization file) отображается в правом верхнем углу окна (в нашем случае TV.OPT).

На белой полосе в центре окна отображается текущее состояние процесса поиска. Ниже приводится перечень таких состояний.

Ready — исходное состояние готовности начать процесс оптими­зации.

Running a Test Simulation —■ OptQuest запускает тестовую имита­цию, чтобы установить параметры поиска.

Building Initial Population — OptQuest генерирует начальную попу­ляцию возможных решений.

Optimizing — идет поиск. Возможно, Micro Saint выполняет запуск имитационной модели или OptQuest решает, какие значения входных переменных сгенерировать следующими.

Neural Network Accelerator Engaged — если вы включили ускорение нейронной сети, OptQuest периодически обучает эту сеть.

Diversifying — OptQuest определил, что популяция решений полу­чит преимущество, если будет применена специальная диверсифика-ционная стратегия при создании новых решений. Диверсификацион-ная процедура включает новые решения в популяцию перед тем, как поиск будет продолжен.

Evaluating Diversified Population — OptQuest оценивает последнюю диверсифицированную популяцию.

Ниже белой полосы состояния поиска размещается таблица, ко­торая содержит:

• номер очередного запуска процесса имитации с новым вариан­том значений входных переменных (Simulation);

142

Часть 2. Имитационное моделирование

Оптимизация на имитационных моделях

143

• 

  значение целевой функции, полученной при этом запуске (ob­ jective);

• значения входных переменных, используемые при этом запуске (в нашем случае это одна переменная — Nk).

Результаты поиска (значение целевой функции) располагаются в файле OPTQUEST.RES. Его можно просмотреть и проанализировать средствами системы Micro Saint как обычный файл результатов этой системы.

Результаты оптимизации

Simulation j_Objs-f-liv • • ' _ j_ 6.00616 \ 2 2 I 0.673794 Г 6

После завершения оптимизации главное окно OptQuest отобража­ет трассу просмотренных вариантов решения оптимизационной зада­чи (рис. 2.45) и выделяет лучший из них.

Рис. 2.45. Главное окно OptQuest после завершения оптимизации

Для просмотра результатов оптимизации в меню опций (Options) используются специальные средства интерпретации результатов в виде графика (Graph), просмотра переменных (View Variables) или данных времени исполнения (Run Data).

Для рассматриваемого примера использование формы графика приводит к выводу окна рис. 2.46.

По оси абсцисс отложена последовательность шагов процесса по­иска решения (Simulation) с запуском соответствующей MS-модели. График Current показывает текущие результаты, a Best — процесс улучшения текущих результатов.

По оси ординат откладываются значения целевой функции (objec­tive). Эта ось может использовать два типа разметки: линейную (Line­ar/Linear) и логарифмическую (Log/Linear). Первая удобна при значи-

Рис. 2.46. График результатов оптимизации

тельной разнице в результатах оптимизации, вторая — при небольших отличиях между результатами. Выбор типа разметки открывается в меню Туре.

Для рассматриваемого примера поиск начался со значения Nk = — 2, рекомендованного в таблице выбора (рис. 2.42) в качестве нача­льного значения. При этом по результатам первой попытки (Simulati­on = 1) целевая функция определилась значением 6,00616. Вторая по­пытка (Simulation = 2) определялась значением Nk = 6, предложен­ным алгоритмом поиска (нами был выбран алгоритм No Neural Network — без нейронной сети). Имитация системы на втором шаге поиска привела к определению objective значением 0,673794, что су­щественно улучшило результат. Третья попытка использовала в каче­стве пробного значения входной переменной Nk = 4, что опять-таки улучшило результат (objective = 0,510690). Четвертая попытка практи­чески не изменила результат третьей, пятая была связана (как легко догадаться) с дальнейшим снижением Nk (скорее всего Nk = 1), что привело к резкому возрастанию длины очереди перед контролем и со­ответственно к резкому возрастанию значения целевой функции (ob­jective «50). Это вызвало резкое ухудшение уже найденного приближе­ния к оптимуму, поэтому кривая Best не отреагировала на этот вари­ант, шестой и седьмой шаги были связаны с возвращением в окрестности уже использованных значений Nk = 4-5, что также не улучшило результата поиска.

Просмотр результатов в окне View Variables связан с использова­нием диаграммы соотношений между значениями входных изменяе­мых переменных. Поскольку в нашем примере такая переменная то­лько одна, окно для анализа результатов для рассмотренного примера оказывается малоинформаnивным (рис. 2.47).

144