Часть 2. Имитационное моделирование

Оптимизация на имитационных моделях

145

Рис. 2.47. Диаграмма сравнения переменных

Третья форма интерпретации результатов (Run Data) связана с выводом подробной информации о последовательности шагов про­цесса поиска, которые привели к наилучшему результату (последую­щие шаги не рассматриваются). В нашем примере к наилучшему резу­льтату привели три шага поиска и соответственно три запуска MS-mo-дели. Рис. 2.48 иллюстрирует вывод информации в форме (Run Data).

Оптимальный результат представлен первой записью.

Она включает в себя:

1. номер шага в процессе поиска (si­ mulation);

2. значения изменяемых переменных (Values of Variables);

3. среднее значение целевой функции (Average Objective). Это значение форми­ руется по нескольким прогонам модели в случае, когда перед оптимизацией в уста­ новках (Edit —> Settings) указывается ко­ личество прогонов, большее 1. В нашем примере Run = 1, поэтому усредненное значение objective не отличается от обыч­ ного;

4. стандартное отклонение от среднего (Standard Deviation). При количестве про­ гонов, равном 1 (Run=l в Edit —> Settings) этот параметр равен 0;

5. индивидуальные значения целевой функции по каждому из прогонов MS-mo- дели (Individual Run Objective). В общем

случае это список, в нашем примере прогон один, поэтому в списке только одна запись: (Run 1: 0,51069).

После завершения оптимизации OptQuest предлагает внести изме­нения в MS-модель, связанные с установкой оптимальных значений изменяемых переменных. При согласии пользователя такое измене­ние вносится в календарь на момент системного времени clock = 0. При этом запуск MS- модели будет приводить к установке оптималь­ных значений изменяемых переменных. Рисунок 2.49 показывает со­держимое календаря с установленным OptQuest оптимальным значе­нием числа контролеров (Nk = 4).

Рис. 2.49. Содержимое календаря с установленным оптимальным значением числа

контролеров (Nk = 4)

Из сопоставления содержимого календарей MS-модели до и после оптимизации (рис. 2.49 и 2.40) становится понятным, почему мы установили оператор присваивания (Nck:=Nk) не в начальный мо­мент времени, а несколько позже.

Контрольные вопросы и предложения

1. Что определяет функция objective в системе поиска оптимального решения на имитационной MS-модели?

2. В чем состоит принципиальное отличие целевой функции objective от целе­ вой ячейки электронной таблицы?

3. Чем отличаются входные изменяемые переменные от остальных перемен­ ных имитационной MS-модели?

4. Как учитываются при оптимизации границы значений изменяемых пере­ менных?

5. Какое значение получают обычно входные переменные на первом шаге процесса поиска, если задано поле Suggested Value?

6. Какие переменные MS-модели могут использоваться при определении ограничений на пространство поиска в окне (Edit —> Constraints)?

7. Охарактеризуйте основные опции «Ускорителя нейронных сетей» и ситуа­ ции, в которых их следует использовать.

146