Метод прямого поиска

Оптимизация термодинамических параметров в моделях первого уровня ПТУ обеих схем по тем же соображениям, что и в моделях отдельных агрегатов, осуществлялась методом прямого поиска с самообучением глобального экстремума функции многих переменных [81]. Поиск глобального максимума эффективного КПД проводился с точностью фиксации локальных экстремумов 0,05 % полезная электрическая мощность установок принималась равной 30 кВт. [c.164]

Таким образом, задача оптимального управления сводится к применению методов прямого поиска. Если имеются граничные условия, то, применяя метод штрафных функций, решение можно свести к решению обычной задачи поисковой оптимизации. [c.310]

Методы прямого поиска. Простейшим методом нулевого порядка является покоординатный спуск, при котором последовательно производится изменение каждого из параметров оптимизации ATi,. .., Хп после прохода по всем параметрам процесс повторяется. Вектор направления спуска в этом методе выражается следующей формулой [c.219]

Во всех случаях методам аппроксимирующего линейного программирования н возможных направлений присущи те же недостатки, что и методам локальной аппроксимации для решения экстремальных задач. И в тех, и в других необходимо определять частные производные функций Но и Нj. Поэтому нередко более целесообразна адаптация прямых методов направленного поиска (методов, не использующих частные производные) к условиям задачи Д. [c.251]

Прямые методы покоординатного поиска непригодны для решения задачи Д, за исключением частного случая, когда ограничения заданы в виде гиперплоскостей, ортогональных координатным осям (рис. П.6, г). Наоборот, прямые методы случайных направлений легко адаптируются к появлению ограничений на пути движения. Например, при выборе случайных направлений с помощью гиперсфер или направляющих косинусов достаточно дополнительно учесть линеаризацию поверхности ограничений (рис, П.6, d). При использовании многогранников для выбора случайных направлений вершины, принадлежащие недопустимой области, отбрасывают. Поэтому при решении задачи Д вместо симплексов применяют комплексы с числом вершин, значительна превышающим размерность-пространства поиска. Тогда, отбрасывая ряд вершин, удается сохранить многогранник достаточной размерности для определения направления движения. На основе направляющих конусов и комплексов построен ряд эффективных алгоритмов адаптируемого направленного поиска [80]. [c.251]

Сущность метода прямой экстраполяции заключается в аналитическом описании развития того или иного параметра прогнозируемого объекта какой-либо функцией у = [ (1) (где у — значение прогнозируемого параметра I—отрезок времени прогнозирования) и в прогнозировании по построенному уравнению при периодах времени, относящихся к будущему. Расчетные значения зависимости у = / (О должны обеспечить приемлемое согласование с имеющимися данными, т. е. быть адекватными рассматриваемому явлению. Вид аппроксимирующей кривой определяется механикой исследуемого процесса. Набор кривых, используемых для экстраполяции, приведен в работе [45]. Коэффициенты уравнений этих кривых определяются, исходя из разных алгоритмов, но в основу большинства из них положен поиск минимума среднеквадратичного отклонения [c.27]

Отсюда проистекает основной вывод данной работы. Поскольку ни в одной из рассмотренных задач не наблюдалось сколько-нибудь заметного преимущества использования прямого перебора перед методом ПЛП-поиска, то использование аппарата ПЛП-поиска в задачах с функциональными ограничениями будет столь же эффективным, как и в ранее проводившихся исследованиях [1—3]. [c.11]

Выбор оптимальной последовательности переналадки АЛ. В целях минимизации времени простоев решается задача определения порядка обработки различных деталей на линии. Поиск ведется методом прямого перебора для нахождения оптимального варианта, чтобы время на переналадку (т. е. время простоя оборудования из-за переналадки) было наименьшим. [c.193]

Изложенный метод дает решение задачи прямого расчета. Для проведения обратных расчетов в качестве независимой переменной принимают координату (длину) и соответственно применяют другие методы решения системы уравнений (11.50)—(11.62) и другие программные реализации. Решение обратной задачи может быть получено посредством проведения прямого расчета с введением вариации одного из определяемых параметров. Допустимы различные алгоритмы поиска решения обратной задачи. Например, метод градиентного поиска решения с заданной точностью сходимости по длине. Но такая схема плохо работает для случаев малых температурных напоров, когда удовлетворение условия [c.197]

Метод использован для нахождения оптимального распределения толщины h г), удовлетворяющего минимуму массы диска G г). Процедура поиска проекта минимальной массы с помощью метода формального (прямого) поиска [126] состоит в следующем фиксируется начальное распределение толщины h (г) и соответствующее значение целевой функции G (h), удовлетворяющей ограничениям. Одному из независимых параметров h (ri) сообщается начальное приращение, равное заданному начальному шагу ДЛ,. При возрастании G (h) этому параметру сообщается приращение—Также варьируются и другие параметры h(r) с проведением анализа изменения целевой функции, после чего делаются шаги сразу по всем координатам с направлениями, соответствующими удачным пробам. Следующие шаги делаются в тех же направлениях, пока не будет получено (h) > [c.204]

Совершенствование методов прямого измерения масс нейтрино снижает их верхние границы (нанример, для эта граница за 10 лет стала ниже приблизительно на порядок величины). Однако вполне возможно, что массы нейтрино меньше их теперешних верхних границ на много порядков. Поэтому особый интерес представляет поиск явлений, возможных только нри конечных массах нейтрино. [c.166]

Итеративные алгоритмы (ИА) решения обратных задач скалярной теории дифракции для расчета ДОЭ, рассмотренные в этой главе, не охватывают весь спектр известных итеративных алгоритмов. Здесь не были рассмотрены такие популярные в прошлом алгоритмы, как метод прямого стохастического поиска бинарной фазы [c.137]

Макет для организации прямого поиска также выполнен на картах с краевой перфорацией. Целью создания макета являлась необходимость отработки многоаспектного поиска, необходимого для организации ЗУ III контура ИПС. Помимо этого в процессе работы с макетами прямой и инвертированной организации ЗУ сравнивались методы формирования поисковых образов и поисковых предписаний, необходимые для обеспечения работы этих ЗУ, и предварительно оценивались эксплуатационные качества обоих видов организации. [c.154]

Описанные трудности решения задач со многими переменными и с целевыми функциями сложного вида, а также появление средств вычислительной техники обусловили разработку и развитие множества методов оптимизации, основанных на прямом поиске, т. е. методов, не использующих производные. Эти методы проще программируются и требуют меньших затрат машинного времени. [c.156]

Вообще говоря, последние две группы методов оказываются более эффективными, чем прямые методы (т. е. оптимум достигается здесь за меньшее число шагов), если можно достаточно просто и точно (аналитически или численно) рассчитывать производные. Однако во многих технических задачах, в том числе и в нашем случае, сделать это весьма сложно. Поэтому методы, использующие производные, исключены из рассмотрения. Прямые методы, в свою очередь, делятся на два класса детерминированные методы и методы случайного поиска. Методы случайного поиска [160] отличаются от детерминированных тем, что оптимизируемые параметры в процессе поиска минимума функции качества определяются с элементом случайности. Эти методы эффективны при большом числе переменных и сложных целевых функций (например, при наличии локальных экстремумов). Численные эксперименты показали, что при минимизации функции трех переменных, аппроксимирующей функцию (7.40), с помощью алгоритма случайного поиска с самообучением требуется в среднем в 3—5 раз чаще вычислять целевую функцию в процессе поиска, чем при минимизации детерминированными методами. [c.253]

Одним из наиболее известных методов оптимизации гребневых (овражных) функций является метод оврагов, предложенный в работе [52]. В методе оврагов поиск состоит из чередующихся этапов локального поиска и овражного шага. Локальный поиск при минимизации имеет целью найти какую-либо точку в малой окрестности оврага. После определения двух таких точек и делается овражный шаг в направлении уменьшения целевой функции, совпадающем с прямой, проходящей через эти две точки. В предельном случае, когда У и XV" принадлежат гиперповерхности оврага и [c.161]

Литвинов Л. Я- Применение методов распознавания образов при прогнозе литологического состава и нефтегазоносности по сейсмическим данным.— В кн. Решение литологических задач и прямые поиски нефти.— Минск [c.132]

Прямой метод доступа устанавливает взаимно однозначное соответствие между ключом записи и ее физическим адресом не требует упорядочения значений ключей физических записей применяется как для хранения, так и для поиска. Эффективность доступа всегда равна единице, а [c.117]

При синтезе сложных объектов прямой перебор уже невозможен и необходима разработка процедур и алгоритмов направленного поиска оптимальной структуры синтезируемого объекта. Эти процедуры обычно базируются на использовании методов математического программирования (в основном — дискретного программирования), последовательных и итерационных алгоритмов синтеза, сетевых и графовых моделей проектирования, а также методов теории эвристических решений и методов решений изобретательских задач. [c.306]

Такой же результат получается и при поиске методом упорядоченного перебора, если число дискретных значений переменных одинаково. Следовательно, время поиска глобального оптимума методами динамического программирования и упорядоченного перебора можно считать практически одинаковым. В этом смысле динамическое программирование так же, как и прямой перебор, применимо лишь при малом числе переменных и может рассматриваться в качестве одного из способов организации упорядоченного перебора. [c.255]

Для решения задач поиска оптимальных алгоритмов управления находят применение методы вариационного исчисления. Наибольшей простотой характеризуется прямой вариационный метод [10], существо которого состоит в следующем. [c.222]

Созрели предпосылки для перехода к третьей, более высокой ступени — реализации обратной связи от эксплуатации к последующему проектированию. Внедрение принципиально новых нетрадиционных технических решений (систем программного и прямого цифрового управления от ЭВМ, промышленных роботов-манипуляторов, автоматических систем машин не только для массового, но и серийного производства, новых технологических методов и процессов, конструкций и компоновки машин) требует при комплексной автоматизации поиска оптимального сочетания новизны и преемственности, обоснованности технических и экономических предпосылок применения технических решений для данного производства. [c.168]

Процесс оптимизации складывается из формирования совокупности возможных решений и постепенного сужения числа рассматриваемых 5 вариантов вплоть до нахождения оптимального. Предлагаемые методы формирования совокупности технически целесообразных вариантов рассмотрены ниже (см. п. 8.1). Из них путем поэтапного отбора исключаются те или иные варианты до тех пор, пока не останется ограниченное число, позволяющее использовать прямой перебор по выбранной целевой функции. Особенность рассматриваемого в п. 8.2 метода отбора в том, что на каждом шаге поиска рассматриваются варианты полной системы, а не отдельные ее составляющие критерии сравнения и отбора на каждом этапе различны, целевая функция для конкурирующих вариантов рассчитывается только на последних этапах, в процессе окончательного выбора оптимального варианта. [c.215]

Задача оптимизации парогенератора (4.55). .. (4.64) относится к классу задач нелинейного программирования. Анализ уравнений, используемых для расчета а также системы ограничений, формирующих область допустимых значений независимых переменных, показывает, что первые и вторые частные производные целевой функции могут иметь разрывы, а она сама — быть многоэкстремальной. Область допустимых значений оптимизируемых параметров может оказаться несвязной. В этих условиях в соответствии с рекомендациями [106] для решения задачи следует использовать методы прямого поиска, в которых процедура построения оптимизирующей последовательности основана только на информации о значениях целевой функции. Задача (4.55). .. (4.64), а также ряд других задач оптимизации отдельных агрегатов теплоэнергетического оборудования и ПТУ в целом, приведенных в последующих главах, решены методом прямого поиска с самообучением глобального экстремума функции многих переменных [81]. [c.82]

Методы минимизации без вычисления производных. Методы прямого поиска основаны на сравнении значений целевой функции в последовательно вычисляемых пробных точках. Обычно они применяются тогда, когда целевая функция не является гладкой, а множество точек, в которых она недифференцируема, имеет слишком сложную структуру. К сожалению, методы прямого поиска в [c.143]

Оптимизационный проектировочный расчет был разработан П. В. Кужелевым в МВТУ им. Н. Э. Баумана. В основу этого метода расчета были положены формулы (2.36)... (2.47) и (4.31)... 4.34). Так как используемые зависимости нелинейны, для решения поставленной задачи был использован метод скользящего допуска [51], являющийся одним из численных методов прямого поиска. Хотя реализация этого метода требует больших затрат машинного времени, затраты времени на подготовку исходных данных незначительны, и, более того, в процессе их выполнения погрешности почти исключаются. [c.311]

На первом этапе используются методы случайного или детерминированного поиска. Они состоят в том, что в пространстве допустимых параметров берутся точек и для каждой из них вычисляется значение функции качества. Выбираются, таким образом, JV конкретных вариантов исследуемой конструкции и прямым перебором этих вариантов находится наилучший при этом считается, что он находится поблизости от искомого оптимального варианта (вблизи глобального экстремума). В методах случайного поиска, называемых также методами Монте-Карло, N пробных точек в пространстве параметров выбираются случайным образом [77, 267]. В методах детерминированного поиска точек заполняют исследуемое пространство параметров в определенном смысле равномерно [285]. Опыт показывает, что при небольшом числе испытаний N более эффективны методы детермиийровапиого поиска. Один из таких методов, так называемый метод ЛП-иоиска, оказался эффективным при решении многих задач динамики машин [22, 146]. [c.270]

Эффективность использования ПЛП-поиска [3] в рассмотренных задачах привела к необходимости ответить на вопрос о целесообразности использования этого метода в задачах с функциональными ограничениями. С принципиальной точки зрения на этот вопрос существует однозначный положительный ответ. Однако, учитывая конечное значение числа проводимых машинных экспериментов на ЭВМ (хотя и достаточно большое), нужно было выяснить, не потребуется ли в задачах с функциональными ограничениями на параметры при использовании метода ПЛП-поиска столь большого числа N экспериментов, что это окажется неэффективньш по сравнению с методами прямого перебора, например методами слепого поиска [c.8]

Такие препятствия на пути использования ПЛП-поиска принципиально можно обойти двумя путями либо увеличивать общее количество N машинных экспериментов (но это характерно и для методов прямого перебора), либо проводить дисперсионный анализ по интервалам. Это может привести (хотя и не обязательно) к снижению достоверности получаемых ПЛП-ноиском результатов. Для выявления возможностей и эффективности ПЛП-поиска на исследуемых тестовых функциях проводились сравнительные испытания методом прямого перебора с использованием точек ЛП -последовательности [5] в тех же областях и при тех же ограничениях. Во всех рассматриваемых задачах проводилось по 512 экспериментов (для ПЛП-поиска iVl = 16 и Г=32). [c.9]

Для большинства исследователей методы оценки экономической эффективности капиталовложений и новой техники являлись главным образом аппаратом для взаимного сравнения, взвешивания конкретных вариантов технических решений с фиксированным сочетанием технико-экономических параметров, к формированию которых данные методы прямого отношения не имели. По замыслу Шаумяна, эти методы должны были служить прежде всего инструментом выявления и количественного анализа закономерностей развития машин, тенденций научно-технического прогресса, научной основой поисков наиболее эффективных и перспективных путей автоматизации. Арифметические методы обсчета денежных показателей и сроков OKjrnaeMO TH для этого мало подходили они но существу абстрагировались от фактора времени — сроков проектирования, освоения и эксплуатации новой техники, длительности периодов выпуска тех или иных машин. [c.73]

Другой важнейшей задачей, достаточно часто встречающейся на этапе вторичной обработки информации, является задача оптимизации [5, 34], т е. нахождение такой комбинации влияющих факторов, при которой выбранный показатель оптимальности принимает экстремальное значение. При экспериментальном решении задачи оптимизации, когда экстремум находится при наличии случайных шумов, наибольшее распространение имеют поисковые процедуры как градиентные (методы градиента, наискорейшего спуска, сопряженных градиентов), так и неградиентные (прямой поиск, симплексный метод, метод Гаусса—Зейделя, случайный поиск, комплекс-метод). [c.458]

Используем зависимости (10.1)—(10.2) для оценки дисперсии упругих волн в пористых пластах, насыщенных водой и нефтью, что важно для метода прямых сейсмических поисков месторождений нефти и газа [152], сейсмокаротажа скважин и для определения параметров пластов по наблюдениям за сейсмическими волнами. [c.87]

В четвертых, продолжением последних исследований является изучение наведенной сейсмоакустической эмиссии, возникающей при облучении геологической среды упругими волнами. Необходимо отметить, что это новое уникальное направление сейсмоакустических исследований активно развивается в России, а использование результатов этих исследований имеет большое практическое значение. Авторами бьшо показано, что при упругом воздействии с поверхности или из скважины соответственно сейсмическая или акустическая эмиссия значительно усиливается прежде всего в нефтегазонасыщенной толще. При этом в водонасыщенной среде наблюдается минимальное изменение эмиссии или ее отсутствие (на уровне чувствительности приемно-регистрирующей системы). Полученный эффект наведенной эмиссии может значительно повысить надежность сейсмических и акустических исследований по обнаружению мест скопления УВ-сырья. В сейсморазведке возможно дальнейшее развитие перспективного направления прямых поисков на основе указанного эффекта, а в скважинных акустических исследованиях - развитие методов выделения нефтегазонасыщенных пластов, в которых флюид оттеснен от скважины фильтратом бурового раствора, в связи с чем эти пласты проявляются как водонасыщенные по материалам стандартного комплекса ГИС. [c.357]

Прямые методы оценки н а пр а в л е н и й. Наиболее простым является метод покоординатного спуска (метод Гаусса —Зейдел я). Направление поиска выбирают поочередно вдоль всех координатных осей, т. е. вектор Р в (6.43) состоит из нулевых элементов за исключением одного, равного единице. [c.284]

Работа метода заключается в следующем. После определения градиента критерия оптимальности в точке X движутся вдоль направления антиградиента до точки, в которой достигается минимальное значение функции. Затем в этой точке снова определяют градиент и движутся по прямой согласно направлению нового антиградиента и т. д., пока не достигнут точки, имеющей наименьшее значение функции F(X). На рис. 6.4, в приведен пример движения при поиске методом наискорейшего спуска оптимума для критерия оптимальности, зависящего от двух переменных. Направление grad F(X, i) является касательным к поверхности уровня в точке Х, и, следовательно, gradF(Xft) в точке Х +1 ортогонален grad F(X,4 i). [c.286]

В обоих случаях, как правило, необходимы ЭВМ и элементы поиска решений. Неизбежность численных решений с применением ЭВМ приводит к тому, что в инженерном плане прямые методы решения оказываются нередко более конкурентноспособными. Тем более, что для реализации прямых методов с помощью ЭВМ не т11ебуются дополнительные математические конструкции принципов максимума и динамического программирования. [c.76]

Например, на рис. 5.11, б поиск из точки Zq приводит в точку 0- Затем на некотором расстоянии от Zq, значительно превышающем шаг предыдущего процесса поиска, выбирается точка Z в направлении, перпендикулярном траектории предыдущего поиска в точке 2о. Из точки Zo совершается новый поиск, котррый приводит в точку l. Далее на прямой, соединяющей точки Со и j, в направлении улучшения целевой функции выбирается новая начальная точка Z2. Поиск из Zj приводит в С2. Если Hoi a) лучше о С ), то дальнейшее движение по оврагу совершается аналогичным образом. Если Но(Сз) хуже Hq ), то оптимум ищется между точками С) и Сг, т. е. выбирается Z2 ближе к С]. Если при достаточном приближении величина Но С ) все равно хуже, то оптимум следует искать между точками Со и С. Комбинированные алгоритмы многокритериального поиска, использующие последовательно сочетание методов случайного перебора и анализа мно-л<ества неулучшаемых решений, предложены в [70]. [c.149]

Для минимизации функционала (3.13) удобно истльзовагь. метод вращающюсся координат . Указанный метод является прямым методом поиска, согласно которому в каждом цикле производится поиск [c.58]

Однако, — замечает Эйлер, —. .. часто очень трудно найти выражение, которое должно быть максимумом и минимумом... ). Поиски такого выражения, по мнению Эйлера, собственно говоря, принадлежат не к области математики, а ... к метафизике, поскольку необходимо знать цель, которую природа полагает в своих действиях ). Метафизика же отнюдь не достигла такой степени совершенства, чтобы для каждого действия, производимого природой, указать то количество действия , которое является наименьшим мы еще очень далеки от этого, и поэтому почти совершенно невозможно отыскать для большого числа различных случаев формулы, которые будут иметь максимум или минимум. Напротив, если известно решение, найденное прямым методом, то не представляет труда угадать формулы, которые приведут к тому же самому решению, если отыскать их максимум или минимум. Таким образом, если нельзя вторым методом а priori находить непосредственно законы явлений, то, зная решение, найденное прямым методом-, ... мы знаем а posteriori эти формулы, которые выражают количество действия, и тогда не представляет более труда показать их истинность с помощью принципов, известных в метафизике ). [c.792]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...