книги / Методы оптимального проектирования
..pdfпри наличии линейных ограничений
Xz) ^= 2 X I ~{-3X 2 |
6 ^ 0 ; |
R i { x i , Xi)^=Xi~{ - |
.+'4x2—5^ 0 , |
Xi>0, |
x2> 0 . |
Геометрическое представление задачи приводится на рис. 7-3. Для решения задачи методом барьерных функ ций воспользуемся критерием оптимальности (7-12). Ре зультаты поиска оптимума с помощью метода перемен ной метрики представлены в табл. 7-2.
Оптимальное значение х * = (0,764; 1,05) достигается после решения пяти задач безусловной оптимизации при различных значениях параметра г.
Указанный метод гарантирует, что каждая следую щая итерация не выйдет за пределы допустимой области. При уменьшении г уменьшается влияние штрафного члена и возрастает влияние исходного критерия опти мальности. Поэтому последовательность функций U(x, ги) дает сколь угодно точное (для достаточно большого номера k) приближение к локальному экстремуму. Если
искомый |
экстремум лежит внутри допустимой обла |
сти G, то |
решение может быть получено после несколь |
ких первых значений параметра г. Наибольшие'сложности при решении задачи возни
кают в тех случаях, когда оптимум расположен на гра нице допустимой области. Поскольку при приближении к границе значения обобщенного критерия оптимально сти, по существу, определяются барьерной функцией, экстремум не всегда может быть вычислен с заданной степенью точности. Чтобы избежать этот недостаток, производится так называемая регуляризация допусти-
мой области. Она основана на ослаблении ограничений на начальных этапах поиска. Иными словами, ограни чения вида (7-1) заменяются неравенствами:
Д((х)<:Г, i= l, 2, т , (7-13)
где г — некоторое положительное число.
Построенный для этих ограничений обобщенный кри
терий оптимальности с /(х )= /г (х ) имеет вид: |
|
Vt {x%r ) = F ( A r ) - [ f / O v y - r ] - . |
(7-14) |
/=« |
|
С его помощью удается избежать трудностей поиска вблизи границы, однако некоторые ограничения при этом могут быть нарушены.
Решение задач безусловной оптимизации для сходя щейся к нулю последовательности {гл}, k = l, 2 ... при водит к постепенному уменьшению этих нарушений. Пос ле достаточного числа итераций (которое определяется в процессе решения задачи) значение погрешности, с ко торой выполняются ограничения, оказывается в преде лах требуемой точности.
Основная трудность применения метода барьерных функций обусловлена тем, что начальная точка х° долж на находиться внутри допустимой области. Поиск этой точки иногда представляет собой задачу, по сложности сравнимую с задачей определения экстремума. В сле дующем параграфе рассматривается один из подходов
кее решению.
Втех случаях, когда критерий оптимальности или функции ограничений определены не для всех, а лишь для некоторых значений переменных, барьерные функ ции представляют собой единственный способ исклю чения ограничений.
При практических расчетах иногда используется ком бинированный подход, учитывающий особенности барьер ных и штрафных функций. Обобщенный критерий опти мальности включает в себя слагаемые в виде барьерных функций для ограничений типа неравенств, штрафных функций — для равенств. Например, обобщенный крите рий оптимальности может иметь вид логарифмически квадратичной функции
т |
k |
W(x, r ) = F ( x ) - r 2 |
1 п [-Я ,(*)] + г - 2 g*t(x), (7-15) |
£=1 |
/= 1 |
где первая сумма получена методом барьерных, а вто рая— методом штрафных функций. Функция W{x, г) удобна также тем, что последовательность задач без условной оптимизации зависит от одного параметра, ко торый удовлетворяет требованиям, предъявляемым к по следовательности значений штрафных коэффициентов Ы и {h}.
Построенные в результате применения методов штраф ных функций обобщенные критерии оптимальности объединяют исходный критерий оптимальности и огра ничения модели. Поэтому сложность вычисления каждо го значения обобщенного критерия оптимальности суще ственно возрастает. Это приводит к необходимости эф фективного использования каждого вычисленного значения критерия оптимальности для приближения к оптимуму.
7-2. ОСОБЕННОСТИ ПОИСКА С ИСПОЛЬЗОВАНИЕМ ШТРАФНЫХ ФУНКЦИЙ
Полученная в результате преобразования с помощью методов штрафных функций последовательность задач безусловной оптимизации обладает рядом свойств, ко торые позволяют ускорить решение .общей задачи. Рас смотрим лишь некоторые особенности методов штраф ных функций, позволяющие осуществить:
вхождение в допустимую область, когда обобщенный критерий оптимальности формируется с помощью барьерных функций;
экстраполяцию последовательности безусловных оптимумов хк
выбор последовательности штрафных h и барьерных Гк коэффициентов.
Использование специальных приемов, разработанных для осуществления перечисленных этапов, позволяет по высить скорость сходимости методов и сократить время счета на ЭВМ.
Вхождение в допустимую область. При достаточно сложной геометрии области допустимых значений пара метров даже отыскание допустимого решения (т. е. на бора значений параметров, удовлеворяющего всем огра ничениям) представляет значительные трудности. Чтобы отыскать допустимое решение, необходим алгоритм, по зволяющий из произвольной точки n-мерного простран ства попасть в допустимую область.
Кй, КотСфай слуйсйт начальным приближением для поис ка. Метод гарантирует вхождение в допустимую область, если в ней есть хотя бы одна внутренняя точка.
Недостатком вспомогательногокритерия Us{x, г) является игнорирование влияния критерия оптималь ности исходной задачи оптимального проектирования при поиске допустимого решения вхождения в допусти мую область. Функцию F(x) можно включать в обоб^- щенный критерий оптимальности (7-19), однако в слу чае большого числа ограничений такой подход не может привести к «блужданию» вокруг допустимой области, что приводит к возрастанию общего времени счета.
Процедура вхождения в допустимую область не пре дусматривает проверки факта существования хотя бы одного допустимого решения. Однако на практике зара нее предполагается существование хотя бы одного изде лия с параметрами, находящимися в заданных пре делах.
Экстраполяция по штрафным коэффициентам. В про* цессе решения последовательности задач безусловной оптимизации для обобщенных критериев оптимальности иногда удается по нескольким начальным задачам для параметров п, г2, .... гт довольно точно определить рас положение оптимума для обобщенного критерия, завися щего от гр+1. Эта идея положена в основу некоторого приема, позволяющего ускорить поиск оптимального ре шения с помощью методов штрафных функций.
Пусть |
W (х, г) — обобщенный критерий |
оптималь |
ности, определенный формулой (7-15), при |
r i > r 2> |
|
• •• > /'ж > 0 |
имеет минимумы в точках х1, х2, ..., хт , при |
чем на каждом г{ точка минимума единственна. Экстра поляция минимальных значений может преследовать две цели: построить предполагаемое значение минимума для критерия W(x\, rm+i) или предсказать расположение предела последовательности х1, х2, . . хт .
Наиболее естественный способ достижения этих це лей— построение прогнозирующего многочлена, завися щего от скалярной переменной г. Для каждой коорди
наты вектора х = (х \) х2, .... хп) |
строится полином |
= |
(7-20) |
/=о |
|
степень которого определяется номером итерации и точ ностью прогноза. При этом возможны два способа ПО
строения экстраполяционного полинома (7-20). Один — по всем предыдущим значениям г*, когда’ степень в по линоме равна номеру итерации без единицы, и дру гой— по нескольким последним итерациям с сохранени ем степени полинома /=const (например, экстраполяция с помощью кубического полинома).
Неопределенные коэффициенты ati вычисляются с по мощью систем линейных уравнений (по числу координат вектора х в пространстве параметров). Порядок каж дой системы превосходит степень аппроксимирующего полинома на единицу. Для координаты х( соответствую щая система записывается в виде
Х1(*т - /)= = ®/о |
Н” ••• |
|
|
“Н |
т-1+|« (7*21) |
xi{rm —aUJr aiirmJr ••• + |
аНг*т> |
|
где Is^tti—1. Поскольку |
гф г п р и |
1ф/, определитель |
этой системы отличен от нуля и потому она имеет един ственное решение.
Прогнозируемое значение минимума следующего обобщенного критерия оптимальности ЦР(х, rm+i) полу чается подстановкой в выражение (7-20) значения Гт+и Если же с помощью экстраполяционного полинома про гнозировать решение Исходной задачи оптимального проектирования, в формулу (7-20) следует подставить
г=0.
На |
начальных |
этапах |
решения задачи (при малых |
|
т ) более целесообразно |
прогнозировать оптимум |
кри |
||
терия |
W(x, rm+i) |
и выбирать прогнозируемую |
точку |
в качестве начального приближения поиска. После до статочного числа итераций удается довольно точно экс траполировать оптимум исходной задачи.
Подстановка значения г = 0 приводит |
к тому, что |
|
в (7-20) остается только свободный |
член |
а,о. Поэтому |
задача экстраполяции оптимального |
решения факти |
чески сводится к вычислению коэффициента а(о. Отсюда следует, что, определив такой порядок вычисления коэф фициентов полинома,' который позволяет оценить в пер вую очередь коэффициент а{0, удается получить удоб ную формулу экстраполяции. Формула также упрощается при дополнительном предположении, что последова тельность гй представляет собой убывающую геометри ческую прогрессию с начальным членом г\ и знаменате-
146
лем q < \ . Она может быть получена путем подстановки
в систему (7-21) выражения |
|
|
rh=riqh~l |
|
(7-22) |
для коэффициентов обобщенного |
критерия |
оптималь |
ности (7-15). |
|
|
Ускорение сходимости методов |
штрафных |
функций. |
Наименее разработанной проблемой, возникающей при решении задачи оптимального проектирования с по мощью штрафных функций, является выбор последова тельностей {rft} и {th}. В (7-15) для обобщенного крите рия оптимальности задача оптимизации решается путем выбора некоторой последовательности {rfi}, к = \, 2 ..., сходящейся к нулю. В некоторых случаях последователь ность можно задать в форме геометрической прогрессии (7-22). При этом проблема определения последователь ности {/•/,}, k = \, 2 . . . сводится к выбору знаменателя прогрессии.
Пусти по некоторому признаку выделен класс задач оптимального проектирования, например задачи проек тирования асинхронных двигателей. Для этого конкрет ного класса можно сформулировать задачу выбора опти мального, в некотором смысле, алгоритма с обобщен ным критерием W(х, г) [см. (7-15)]. Для заданной точности поиска в и знаменателя геометрической про грессии q решение задачи оптимального проектирования достигается за N итераций. Поэтому каждой ларе вели чин в и q можно поставить в соответствие целое число
N = N (в, q). |
(7-23) |
Эта величина является средним числом итераций для |
|
задач рассматриваемого' класса |
при фиксированных |
е и q.
Задавая требуемую точность поиска ео, можно опре делить значение q, при котором достигается минимум
функции N (е0, q).
Отличие этой задачи от задач, решаемых методами однопараметрической оптимизации, состоит в следую щем. Критерий оптимальности F(x), зависящий от ска лярной переменной х, является детерминированной функцией, и поэтому каждому значению аргумента х со ответствует единственное значение функции. В свою оче редь N(Bо, q) является случайной функцией от аргумен та q, т. е. при каждом q возможен целый набор значе
ний N. Оптимизация таких функций осуществляется методами стохастической аппроксимации и составляет самостоятельный предмет исследования [33].
7-3. МОДИФИКАЦИЯ ШТРАФНЫХ ФУНКЦИИ ДЛЯ ДИСКРЕТНОЙ о б л а с т и п о и с к а
Методы штрафных функций дают хорошие результа ты, если переменные задачи — конструктивные параме тры— являются непрерывными. При наличии параме тров, изменяющихся дискретно, значительно усложни-, ются алгоритмы поиска. Поэтому поиск экстремума в дискретной области производится обычно путем пред варительного решения задачи в предположении непре рывности параметров. Полученное решение округляется и интерпретируется на основе «здравого смысла». При этом фактически производится округление до ближай шего дискретного значения.
В целом ряде задач такой подход может привести к результатам, весьма далеким от оптимума. Существу ют также задачи, которые просто не удается математи чески сформулировать без предположения дискретности (или даже целочисленности) некоторых переменных, поскольку с ошибкой округления может быть потерян не только эффект оптимизации, но и нарушены условия допустимости решения.
Формирование штрафной функции. При дискретных конструктивных параметрах вектор х в задаче оптималь ного проектирования с дискретными параметрами может быть представлен в виде
* = ( * ? ) .
где Rc— пространство изменения непрерывных параме тров, a Rd— пространство изменения дискретных пара метров.
Обобщенный критерий оптимальности имеет вид:
V(x, г, р)=F (x) + rl(x ) + р /( **) , |
(7-24) |
где 1(х) является барьерной функцией, например (7-9), а, выражение J(xd) является штрафной функцией, соот ветствующей условию дискретности. Она должна обла дать следующим свойством:
/ М , _ _ / 0 . |
если я * G Я*; |
(7-25) |
|
1ц>0, |
если x ^ ^ R f. |
||
|
Таким образом, задача формирования штрафной функции V(x, г, р) сводится к построению такого выра жения для I(xd), которое удовлетворяет равенству (7-25). Очевидно, что функция J{xd) многоэкстремаль на, если имеется несколько возможных дискретных зна чений вектора xd. Отсюда следует, что штрафная функ ция V(д:, г, р) также многоэкстремальна и ее оптимиза ция заключается в поиске глобального экстремума.
Определим:
]{х л, р ) = 2 4 ^ ( 1 - ^ , |
(7-26) |
/ е ° |
|
где |
|
Ят= (xj—Zji) I (Zju—Zji) |
(7-27) |
и Zji^Xj, Zju^Xj являются двумя соседними дискретны ми точками. Максимальное значение каждого слагаемо го в (7-26) равно единице, и функция I(xd, р) непре рывна в точах дискретности для всех р^1 вместе со своими первыми производными.
Преобразованный по формуле (7-23) критерий зада чи оптимального проектирования с частично дискретны ми переменными минимизируется для последовательно сти коэффициентов P;t, rh и р/£ так, чтобы полученная последовательность безусловных экстремумов сходилась к решению исходной задачи. На практике такая после довательность содержит от 5 до 10 элементов.
Применение метода штрафных функций для поиска экстремума в дискретной области связано с решением проблемы формирования процедуры обхода локальных экстремумов, которые не являются глобальными.
Процедураобхода локальных экстремумов. В про цессе поиска оптимального решения задачи с дискрет ными переменными возникают локальные оптимумы
.двух типов. Одни соответствуют некоторому допустимо му, но не оптимальному решению, другие — недопусти мым значениям параметров (рис. 7-4). Такая ситуация возникает обычно, когда одна из допустимых дискрет ных точек расположена близко к ограничивающей по
верхности (7-29). Чтобы из |
такой |
точки перейти ближе |
к глобальному оптимуму, |
следует |
увеличить коэффи |
циент rh. |
|
|
В общем случае, если обобщенный критерий опти мальности на k-й итерации имеет вид:
V(x, rk, рк)=чР(дг)+г*/(дс)+рк/к(х),
процедура выхода из локального оптимума состоит из двух циклов. В первом цикле значения г*. увеличивают ся, а значения рд уменьшаются. Это позволяет осущест вить выход из окрестности точки локального оптимума. В следующем цикле уменьшается значение /д и увеличи-
Рис. 7-4. Процедура обхода локальных экстремумов при примене нии метода штрафных функций для поиска глобального экстремума в дискретной области.
Локальный экстремум в допустимой (о) и недопустимой (б) обла стях значений параметров.
вается рд, чтобы достигнуть хорошей точности резуль тата.
Пусть локальный оптимум достигнут при значениях параметров рд и гд. Тогда:
1.В первом цикле первого шага процедуры обхода локального экстремума (R1.1) следует положить гщ.1 =
=7 /1 - 2 И p R i.ic« 2 p / i_ 1.
2.Во втором цикле первого шага процедуры обхода (R1.2) следует положить гщ.2= гь - 1 и pRi.2^2pf,..
Если это не приводит к новой точке оптимума, пер
вый и второй шаг повторяются для следующих этапов процедуры обхода локальных экстремумов. В частности, на втором шаге имеем:
7B2.1=7fc-3i р и г л ^ я р д . И rR 2.2= r j t_ 2, рН 2.2=2рд+1.
После достаточного числа таких процедур удается найти точку дискретной допустимой области с лучшим значением обобщенного критерия оптимальности.
Указанная процедура обхода дает хорошие результа ты на тестовых примерах и в практических расчетах. При неблагоприятной геометрии допустимой области