5. Шаговый принцип при решении задач оптимизации. Выбор модели Выбор модели

Под моделью мы понимаем функцию отклика

Выбрать модель ­­– значит выбрать вид этой функции, записать ее уравнение. Тогда останется спланировать и провести эксперимент для оценки численных значений констант (коэффициентов) этого уравнения.

Построим геометрический аналог функции отклика – поверхность отклика. Будем для наглядности рассматривать случай с двумя факторами.

Заметим, что в случае многих факторов геометричес­кая наглядность теряется. Мы попадаем в абстрактное многомерное пространство, где у нас нет навыка ориен­тирования. Приходится переходить на язык алгебры.

Мы хотим изобразить геометрически возможные состоя­ния «черного ящика» с двумя входами. Для этого доста­точно располагать плоскостью с обычной Декартовой системой координат. По одной оси координат будем откла­дывать в некотором масштабе значения (уровни) одного фактора, а по другой оси – второго. Тогда каждому состо­янию «ящика» будет соответствовать точка на плоскости.

Для фак­торов существуют области определения. Это значит, что у каждого фактора есть минимальное и максимальное возможные значения, между которыми он может изменяться либо непрерывно, либо дискретно. Если факторы сов­местимы, то границы образуют на плоскости некоторый прямоугольник, внутри которого лежат точки, соответ­ствующие состояниям «черного ящика». Пунктир­ными линиями на рисунке обозначены границы областей определения каждою из факторов, а сплошными – гра­ницы их совместной области определения.

Чтобы указать значение параметра оптимизации, тре­буется еще одна ось координат. Про­странство, в котором строится поверхность отклика, мы будем называть факторным пространством. Оно задается координатными осями, по которым откладываются зна­чения факторов и параметра оптимизации. Размерность факторного пространства зависит от числа факторов. При многих факторах поверхность отклика уже нельзя изоб­разить наглядно и приходится ограничиваться только алгебраическим языком.

Но для двух факторов можно даже не переходить к трехмерному пространству, а ограничиться плоскостью.

Для этого достаточно произвести сечение поверхности отклика плоскостями, параллельными плоскости X₁OX₂ и полученные в сечениях линии спроектировать на эту плоскость.

Каждая линия соответствует постоянному зна­чению параметра оптимизации. Такая линия называется линией равного отклика.

Шаговый принцип

За отказ от полного перебора состояний надо чем-то платить. Цена – это предположения, которые мы дол­жны сделать относительно свойств неизвестной нам модели до начала эксперимента.

Главное предположение – это непрерывность поверх­ности, ее гладкость и наличие единственного оптимума (быть может, и на границе области определения факторов).

Эти постулаты позволяют представить изучаемую функ­цию в виде степенного ряда в окрестности любой возмож­ной точки факторного пространства (такие функции в математике называются аналитическими). Кроме того, если мы придумаем какой-то способ постепенного прибли­жения к оптимальной точке, нужно, чтобы результат не зависел от исходной точки.

Так как мы заранее считаем, что предпосылки выпол­няются, то надо максимально использовать возможности, которые при этом открываются.

Если, например, мы будем знать значения параметра оптимизации в нескольких соседних точках факторного пространства, мы сможем (в силу гладкости и непрерыв­ности функции отклика) представить себе результаты, ко­торые можно ожидать в других соседних точках. Следо­вательно, можно найти такие точки, для которых ожида­ется наибольшее увеличение (или уменьшение, если мы ищем минимум) параметра оптимизации. Тогда ясно, что следующий эксперимент надо переносить именно в эти точки. Надо продвигаться в этом направлении, пренебрегая остальными. Сделав новый эксперимент, снова можно оценить направление, в котором следует двигаться. В силу единственности оптимума мы, таким образом, рано или поздно непременно его достигнем. Это и есть шаговый принцип.

Сделаем некоторые пояснения. Мы выбираем в фактор­ном пространстве какую-то точку и рассматриваем множест­во точек в ее окрестности, т. е. выбираем в области опре­деления факторов малую подобласть. Здесь мы хотим провести эксперимент, на основании которого должна быть построена первая модель. Эту модель мы намерены использовать для предсказания результатов опытов в тех точках, которые не входили в эксперимент. Если эти точки лежат внутри нашей подобласти, то такое предсказание называется интерполяцией, а если вне – экстра­поляцией. Чем дальше от области эксперимента лежит точка, для которой мы хотим предсказать результат, теме меньшей уверенностью это можно делать. Поэтому мы вы­нуждены экстраполировать недалеко и использовать ре­зультаты экстраполяции для выбора условий проведения следующего эксперимента. Дальше цикл повторяется.

Попутно полученную модель можно использовать для проверки различных гипотез о механизме изучаемого яв­ления или о его отдельных сторонах. Например, если вы предполагаете, что увеличение значения некоторого фак­тора должно приводить к увеличению значения параметра оптимизации, то с помощью модели можно узнать, так ли это. Такая проверка называется интерпретацией мидели.