Оптимизатор 6 - 13

4Если методы Бокса, смешанный или SQP не обеспечивают выполнения ограничений, попытайтесь увеличить значение штрафа, задаваемое на странице функций, на 3 или 6 порядков.

5По умолчанию оптимизатор производит минимизацию целевой функции. Для того, чтобы выполнить максимизацию, выберите селективную кнопку Maксимум на закладке Функции. При этом целевая функция умножается на -1.

6.3Вариант Hyprotech SQP

Алгоритм Hyprotech SQP представляет собой метод последовательного квадратичного программирования, использующий функцию L1-merit и BFGSаппроксимацию матрицы Гесса. Алгоритм учитывает ограничения на размер шага, использует масштабирование варьируемых переменных и целевой функции и независимый от задачи и масштабирования тест на относительную сходимость. Модели проверяются только в точках, лежащих в пределах ограничений.

Этот метод требует использования утилиты Derivative. См. документацию

HYSYS.RTO.

1Для выбора этой модели на закладке Конфигурация отметьте селективную кнопку Hyprotech SQP:

2В этом случае окно состоит из двух закладок:

•Конфигурация

Закладка Конфигурация одна и та же для всех вариантов работы Оптимизатора.

•Hyprotech SQP

6.3.1Закладка Hyprotech SQP

На этой странице изменяются настройки модели.

Закладка доступна в случае, когда выбран вариант конфигурации

Hyprotech SQP.

6 - 14 Оптимизатор

Селективная кнопка Настройки

При выборе селективной кнопки Настройки окно выглядит следующим образом:

В правом нижнем поле окна выводится начальное значение целевой функции – значение функции в стартовой точке алгоритма до начала вычислений. Пользователь не может изменять это значение.

Параметры в окне распределены по двум группам:

•Настройки

•Результаты

Группа Настройки

В группе Настройки выводятся следующие параметры (их можно изменять):

Параметр

Описание

Максимальное число

Максимальное число главных итераций. Главная итерация

итераций

состоит из последовательности малых итераций, которая

решает проблему минимизации с линеаризованными

ограничениями.

Масштабирующий

Величина, используемая для масштабирования целевой

множитель целевой

функции. Если задано положительное число, оно

функции

используется непосредственно, если отрицательное –

используется величина abs(scale*F), где F – начальное

значение целевой функции. Если задается 0.0, -

коэффициент генерируется программой автоматически.

Расчеты градиента

Укажите использование одностороннего (вперед) или

двухстороннего смещения аргумента для расчета

производных. В обоих случаях используемые размеры

шага определяются с помощью параметра, заданного в

поле Вариации (Perturbations)

Точность

Эта относительная величина используется для контроля

сходимости.

ConvergSum ≤ OptimToler ×max(

F (x)

,1.0),

где ConvergSum =

F(x)r d

+ ∑Mj=1

u j C j (x)

Convergence Sum – представляет собой взвешенную

сумму возможных улучшений целевой функции и

нарушений ограничений. Измеряется в тех же единиц3ах,

Оптимизатор 6 - 15

	что и целевая функция. Это позволяет в различных
	проблемах использовать один и тот же параметр точности
	и делает сходимость менее зависимой от масштаба
	целевой функции.
Ограничения на шаг	На первых трех итерациях используется коэффициент
	ограничения на размер шага, применяемый при линейном
	поиске. Если задается величина больше 1, ограничения не
	применяются. Величина 0.1 накладывает меньшие
	ограничения, чем 0.01 и т.д.
Вариации	Изменение величины масштабированных переменных,
	которое используется при расчете градиента. Отдельные
	переменные масштабируются в соответствии со своими
	минимальными и максимальными значениями.

Группа Результаты расчета

В группе выводятся следующие параметры (их изменять нельзя):

Параметр	Описание
Значение целевой	Выводится текущее значение целевой функции.
функции
Причина останова	Указывается причина, по которой остановлен расчет.
	Имеются следующие варианты: Running – Идет счет,
	Step Convergence – Сходимость по шагу, Unbounded,
	Impossible, Not Run – Не запускался, Stopped –
	остановлен.
Число главных итераций	Выводится число главных итераций
Число малых итераций	Выводится число малых итераций в пределах
	последней главной итерации.
Время CPU	Процессорное время, используемое для решения
	задачи оптимизации.
Текущее состояние	Выводится текущее состояние решения задачи
	оптимизации. Возможны варианты: Initialize –
	Инициализация, Setup – Настройка, OPT Deriv – Расчет
	производных, OPT Search – Поиск оптимума, Results –
	Результаты.
Число расчетов	Выводится число расчетов градиента в процессе
градиента	оптимизации.
Число расчетов модели	Выводится число расчетов модели в процессе
	оптимизации.
Версия	Версия оптимизации.

Результаты

По окончании расчета оптимизации выводятся следующие результаты:

•Значения ограничений, варьируемых переменных и целевой функции

•Теневые цены для активных ограничений

•Причина останова процесса оптимизации

•Число итераций и время CPU.

Часть этих параметров выводятся в группе Результаты, а другая часть – в

группе Утилита Производные.

6 - 16 Оптимизатор

Селективная кнопка Флажки

При выборе селективной кнопки Флажки окно выглядит следующим образом:

На странице определяются следующие параметры:

Параметр	Описание
Omit. Tech Constraints	Не используется
Ослабить нарушенные	Не используется
ограничения
Ограничения вида	Если стоит этот флажок, то в процедуре оптимизации
равенств	используются даже те переменные, у которых
	максимальные и минимальные значения совпадают.
Числовые градиенты	Не используется
Включить масштабы	Если флажок стоит в этом поле, диапазон изменения
	переменных используется для масштабирования
	значений переменных.
Переустановить	При наличии флажка в начале процесса оптимизации
вариации	при расчете градиента случайные вариации удаляются
Использование	Позволяет использовать для процесса оптимизации
нейронных сетей для	“обученную” нейронную сеть вместо расчетного
оптимизации	алгоритма ХАЙСИС. Это повышает надежность модели
	и снижает время расчета. Однако, точность решения
	зависит от того, насколько хорошо “обучена” нейронная
	сеть и от наличия данных.
Использование	Позволяет использовать “обученную” нейронную сеть
нейронных сетей для	для расчета Якобиана. Этот вариант работает
расчета Якобиана	медленнее, чем предыдущий, но он более точен.