- •А.Ю. Крюков, Б.Ф. Потапов
- •Крюков, А.Ю.
- •СОДЕРЖАНИЕ
- •ПРЕДИСЛОВИЕ
- •ВВЕДЕНИЕ
- •1.1. СУЩНОСТЬ И НАЗНАЧЕНИЕ МОДЕЛИРОВАНИЯ
- •1.1.1. Понятие о моделировании и свойства моделей
- •1.1.2. Цели моделирования
- •1.1.3. Виды моделирования и классификация моделей
- •1.2.1. Общие положения и основные определения
- •1.2.2. Структура математической модели и ее построение
- •1.2.3. Иерархия математических моделей
- •1.2.5. Классификация математических моделей
- •1.2.6. Геометрическое представление математических моделей
- •1.3. ЗАКЛЮЧИТЕЛЬНЫЕ ЗАМЕЧАНИЯ
- •2.1. МОДЕЛИ МИКРОУРОВНЯ
- •2.2. МОДЕЛИ МАКРОУРОВНЯ
- •2.2.1. Общая характеристика моделей, их структура и сущность
- •1. Компонентные уравнения
- •2. Топологические уравнения
- •Компонентные и топологические уравнения электрической системы
- •2.2.5. Задания для самостоятельной работы
- •2.3. ЗАКЛЮЧИТЕЛЬНЫЕ ЗАМЕЧАНИЯ
- •3.2.1. Общие принципы моделирования полей
- •3.2.2. Особенности построения моделей
- •3.2.3. Модели стационарных полей
- •3.2.4. Модели нестационарных полей
- •3.2.7. Задание для самостоятельной работы
- •3.3. ЗАКЛЮЧИТЕЛЬНЫЕ ЗАМЕЧАНИЯ
- •4.1.1. Надежность объектов как комплексное свойство
- •4.1.2. Классификация отказов и временные понятия
- •4.3.1. Основные понятия, определения и положения
- •4.3.2. Основные характеристики случайных величин
- •4.4. ПОКАЗАТЕЛИ НАДЕЖНОСТИ
- •4.4.1. Показатели безотказности
- •4.6.1. Общая характеристика и виды моделей
- •4.6.2. Распределения, используемые в теории надежности
- •4.6.3. Композиция законов распределения
- •4.6.4. Задание для самостоятельной работы
- •4.7 ПОТОКИ ОТКАЗОВ И ВОССТАНОВЛЕНИЙ
- •4.8. РАСЧЕТ НАДЕЖНОСТИ ТЕХНИЧЕСКИХ СИСТЕМ
- •4.8.1. Общие положения
- •4.8.2. Модели параметрических отказов
- •5.1. ОСНОВЫ ТЕОРИИ ГРАФОВ И СЕТЕВЫЕ МОДЕЛИ
- •5.1.1. Общие замечания, основные понятия и определения
- •5.1.2. Решение задачи о максимальном потоке
- •5.1.3. Потоки минимальной стоимости
- •5.1.4. Практические примеры сетевых задач
- •5.1.5. Некоторые обобщения по сетевым задачам
- •5.1.6. Альтернативные методы решения сетевых задач
- •5.2.1. Основные положения
- •5.2.2. Структура принятия решения
- •5.2.4. Пример применения классических критериев
- •6.1.1. Постановка задач оптимизации и критерии
- •оптимальности
- •6.1.2. Многокритериальные задачи оптимизации
- •6.1.3. Классификация методов оптимизации
- •6.2. РЕГУЛЯРНЫЕ МЕТОДЫ ОПТИМИЗАЦИИ
- •6.2.1. Методы математического анализа
- •6.2.2. Понятие о вариационном исчислении
- •6.2.3. Принцип максимума Понтрягина
- •6.2.4. Метод динамического программирования
- •6.3. ПРЯМЫЕ МЕТОДЫ ОПТИМИЗАЦИИ
- •6.3.2. Минимаксные стратегии одномерного поиска
- •6.3.4. Многомерные методы безусловной оптимизации
- •6.3.7. Заключение по прямым методам оптимизации
- •7 1. ОБЩИЕ ПОЛОЖЕНИЯ
- •ЗАКЛЮЧЕНИЕ
- •Учебное издание
- •Учебное пособие
иметь не более чем две переменные. В общем случае увеличение числа независимых ограничений приводит к большему числу переменных в оптимальном решении.
Следует отметить, что включение большого числа пере менных, позволяющее анализировать результаты более разно образного сочетания видов производственной деятельности, же лательно во многих практических случаях. К сожалению, един ственный путь осуществления этого в рамках линейного про граммирования состоит в увеличении числа ограничений. Ком промисс в данном случае состоит в том, что увеличение числа переменных достигается за счет ухудшения оптимального зна чения целевой функции.
6.3.ПРЯМЫЕ МЕТОДЫ ОПТИМИЗАЦИИ
6.3.1.Общая характеристика методов
ипринцип минимакса
Область X**, в которой лежит экстремум X*, называется
интервалом неопределенности. До проведения исследования интервал неопределенности совпадает с областью определения экстремума Х**=Х*. Лучшей будет та стратегия поиска, которая обеспечивает наибольшее сокращение интервала неопределен ности (Х**/Х* —> min) при фиксированных затратах на поиск или наименьшие затраты на поиск при заданном сокращении интервала неопределенности (наименьшее число исследованных точек факторного пространства п).
В зависимости от характера стратегии методы поиска принято делить на пассивные и последовательные. К пассивным относятся методы, при которых все точки факторного простран ства для определения величины критерия задаются заранее до начала поиска. При этом дополнительная информация, получен ная в процессе поиска, для выбора этих точек не используется.
Последовательные методы, наоборот, предусматривают выбор следующей точки факторного пространства на основе анализа результатов в уже исследованных точках. Последовательные методы приводят к более сложным алгоритмам, но обеспечива ют более высокую эффективность поиска.
В зависимости от числа варьируемых переменных к мето ды поиска делят на одномерные (к = 1) и многомерные (к > 2).
Подавляющее большинство задач оптимального проекти рования многомерно. Тем не менее методы одномерной оптими зации представляют значительный интерес: во-первых, в неко торых случаях при известной осторожности все-таки удается свести рассматриваемые задачи к одномерным; во-вторых, ме тоды одномерной оптимизации являются составной частью большинства многомерных методов, и в-третьих, анализ одно мерных методов позволяет наглядно продемонстрировать ос новные идеи поиска вообще.
Для исследования одномерных унимодальных моделей широко используются стратегии, основанные на принципе минимакса, идея которого может быть пояснена на примере опти мального выбора двух опорных точек для определения значения функции отклика (двух экспериментов) на интервале неопреде ленности.
Исследование функции отклика в единственной точке ис ходного интервала неопределенности L0хотя и позволяет судить об общем уровне функции отклика, но не дает оснований для сокращения длины интервала, поскольку не позволяет судить о характере этой функции (рис. 6.13, а). Поэтому L\ = L0. Для сокращения интервала неопределенности необходимо исследо вать, по крайней мере, две точки факторного пространства. Пусть для определенности эти точки заданы соотношениями
Х\ = *о + 0,2L0; х2= х0+ 0,7L0; x h x2 e L0, х\ <х2. (6.70)
в |
г |
Рис. 6.13. Схема размещения экспериментов |
|
при изучении одномерной модели |
|
В результате исследования будут получены два значения |
|
функции отклика: |
|
Щ = щ х>), W2 = W(x2) - |
(6.71) |
которые при условии, что функция унимодальная, позволяют указать новый интервал неопределенности L2 < LQ, содержащий оптимум (минимум).
При исследовании может быть получен один из трех ре
зультатов: |
|
|
|
W, < W2\ Wx> W2; W\ = W2. |
(6.72) |
Если |
Wx< W2 (рис. 6.13, б), минимум функции не может |
|
лежать правее х2, и интервал неопределенности будет равен |
||
|
Ь2 =х2-Хо = 0,77-0- |
(6.73) |
При |
Wi > W2 (рис. 6.13, в) минимум не может находиться |
|
левее Xj: |
|
(6.74) |
|
L2 ~ X Q + Z-o - X \ —0,8LQ. |
Lnom minZ,n minmax{Z,„}; Z,2onT - minmax{Z,2}. (6.78)
Соотношение (6.78) и представляет собой формулировку принципа минимакса.
Таким образом, принцип минимакса требует ориентации на самый плохой из возможных случаев (в рассмотренном при мере это Z.2 = 0,8Z0) и выбора стратегии, минимизирующей этот наихудший из возможных интервалов неопределенности. Отсю да и название принципа: минимум максимума.
Величину интервала неопределенности Ь2 можно выра зить в функции положения точек дсь х2 или в долях исходного интервала Z0.
Точки должны отстоять друг от друга на некоторое рас стояние е, которое позволяет трактовать их как две различные точки. Это расстояние зависит от темпа изменения и точности измерения критерия оптимальности W.
Дело в том, что и при вычислениях, и тем более при экс перименте величина W определяется с некоторой погрешно стью А. Для того чтобы два значения W(x0 и Щх2) были дейст вительно различны (т.е. для уверенного выделения лучшей и
худшей точек), должно соблюдаться условие: |
|
|
|
|||||
|
|
|Ж(х,)-Ж (л:2)|>2А. |
|
|
(6.79) |
|||
Именно условие (6.79) и определяет величину е. |
||||||||
Таким |
образом, |
опти |
“ Г” |
' |
Г1” |
|
||
мальным |
будет расположение |
|
||||||
+ Д |
£ |
1 - У ц |
||||||
двух точек |
симметрично |
отно |
--—АА / |
|
,1 |
1 |
||
сительно |
центра интервала L0 |
|
Т| |
1 |
||||
|
Z |
—1— |
||||||
на расстоянии е друг от друга |
|
|
||||||
■vi |
|
|
Х1 |
|||||
(рис. 6.14). При этом интервал |
|
|
||||||
неопределенности Ь2составит |
|
|
0,5Д, |
|||||
|
1"D |
|
||||||
L2= 0,5Z0 + ~ • |
(6-80) |
|
|
|||||
Рис. 6.14. Размещение |
||||||||
|
|
2 |
|
двух экспериментов