- •1. Характеристика основных подходов к задачам оптимизации
- •1.1. Модельный подход к постановке и решению задачи оптимизации
- •1.1.1 Применение математической модели оптимизации
- •1.2. Применение физической модели объекта оптимизации
- •1.1.3 Совместное применение (комбинирование) физической и математических моделей
- •1.1.4 Инженерный метод решения практических задач оптимизации
- •1.2. Варианты натурно-модельного подхода к задачам оптимизации
- •1.2.1. Оптимизация на базе натурно-модельных блоков пересчетными моделями
- •1.2.2. Оптимизация на базе натурного объекта и частичной физической модели
- •1.2.3. Оптимизация на базе совместно использования натурной части о. О.(объекта оптимизации), частичной физической модели оо и частичной математической модели оо
- •1.3. Натурный подход к оптимизации
- •2. Известные математические описания. Модели. Задачи оптимизации
- •2.1 Удовлетворенческая (ограничительная) математическая модель (схема) оптимизации
- •2.2. Математическая постановка (модель) задачи скалярной оптимизации
- •2.3. Математическая постановка (модель) задач векторной оптимизации
- •2.3.1. Приведение многокритериальной задачи к одной или нескольким совместно решаемых задач скалярной оптимизации
- •2.3.7. Математическая схема (модель) задач нечеткой (размытой) оптимизации
- •2.4 Экспертная система
- •2.5. Процедуры оптимизации решений на основе отбора альтернатив.
- •Классификация задач скалярной оптимизации
- •Некоторые типовые задачи скалярного математического программирования
- •Раздел 3. Некоторые алгоритмы решения задач оптимизации
- •3.1 Поисковые (прямые) алгоритмы оптимизации
- •Алгоритм полного перебора (алгоритм сеток)
- •3.1.2 Алгоритм покоординатного поиска
- •3.1.3 Градиентный алгоритм поиска оптимума с использование реверса (возврата назад)
- •3.1.4 Поиск оптимума в многокритериальном пространстве.
- •Оптимизация решений с использованием теории статистических решений (тср)
- •Случай 1.
- •Случай 2
- •Некоторые процедуры Парето-оптимизации
Раздел 3. Некоторые алгоритмы решения задач оптимизации
3.1 Поисковые (прямые) алгоритмы оптимизации
Поисковые алгоритмы классифицируются следующим образом:
Поисковые алгоритмы: | ||
Вероятностные (опираются на случайные числа, выбираемы в соответствии с заданным законом распределения вероятностей) |
Детерминированные | |
Случайный перебор |
Алгоритмы полного перебора |
Алгоритмы направленного поиска |
Рассмотрим конкретные примеры поисковых алгоритмов.
Алгоритм полного перебора (алгоритм сеток)
Рассмотрим задачу.
Дано:
1) Исходное пространство Rx
2) Вектор искомых переменных
3) Критерий оптимальности
4) Ограничения:
Требуется:
Найти удовлетворяющие критериям.
Пример:
В итоге получаем множество точек и будим искать среди них оптимальное значение (например, перебором).
Алгоритм:
Достоинства: для повышения быстродействия данного алгоритма можно использовать различную плотность сетки или комбинированную сетку с большими и малыми размерами ячеек.
Недостаток: быстро растущие затраты времени на поиск оптимума с ростом числа вариантов решения.
3.1.2 Алгоритм покоординатного поиска
Поочередный подбор решений конкретных координат пространства искомых переменных
Данный метод гарантирует нахождение оптимума только в 1 случае, когда критерий оптимальности сепарабельный.
Формула сепарабельного критерия:
Для отыскания приближенного решения этот метод также можно применять.
Достоинства по отношения к предыдущему алгоритму: можно достигнуть оптимума без полного перебора
3.1.3 Градиентный алгоритм поиска оптимума с использование реверса (возврата назад)
Процедура опирается на следующие соотношения:
Алгоритм:
3.1.4 Поиск оптимума в многокритериальном пространстве.
Рассмотрим данный алгоритм на примере задачи проектирования технического объекта.
Дано:
1) Материальная модель системы, имеющая n параметров:
2) Ограничения на параметры:
3) Функциональные ограничения:
(рисунок)
4) Критерий качества проектируемой системы:
5) Критериальные ограничения:
Требуется:
Найти такое A, которое удовлетворяет всем ограничениям.
Рассмотрим укрупненную диалоговую процедуру решения данной задачи:
2 – 4 блоки — первый этап
5 блок – второй этап
Остальное - третий этап
Краткая характеристика первого этапа.
Он состоит в составлении таблиц испытаний для пространства D. Последовательно выбирается N-пробных точек, которые мы обозначили А1, А2,...,Аn . Эти точки равномерно распределены в пространстве G. В каждой точке Ai рассчитывается значения всех критериев оптимальности Фv(A1), Фv(А2)...Фv(Аn) (- таблица Δ). По каждому критерию составляется таблица испытаний, в которой записаны значения критериев в порядке возрастания: Фv(Ai1) <= Фv(Aik) <= .... <= Фv(Ain), где i1, i2, ,.., in — номера пробных точек.
Кратка характеристика 2 этапа
ЛПР просматривает строки таблицы Δ и назначает (изменяет) ограничения по критериям.
Краткая характеристика 3 этапа
Проверка не пустоты множества D, если ....