Оптимизация поисковая

Решение большинства функциональных задач в АСУ связано с необходимостью конструировать алгоритмы оптимизации поискового типа. Эти алгоритмы (например, в задачах объемно-календарного планирования, оперативно-организационного управления, управления основным оборудованием, материально-технического снабжения и других) имеют существенно комбинаторный характер, т. е. требуют анализа такого числа вариантов управления, которое крайне трудно или даже невозможно осуществить имеющимися вычислительными средствами. Поэтому приходится удовлетвориться получением не оптимальных, но достаточно близких к ним решений, осуществлять декомпозицию, вводить эвристические алгоритмы, использовать системы приоритетов и т. п. Процесс создания алгоритмов такого рода не базируется на единых принципах и методологии и поэтому трудоемок, длителен и дорог. Кроме того, алгоритмы должны удовлетворять и требованиям системного характера. Учитывая, что в АСУ функционирует не один алгоритм, а их комплекс, и что решение необходимо принимать не позже того срока, когда оно должно быть реализовано, приходится разрабатывать алгоритмы, позволяющие получать решение за отведенное для этого время и с заданной точностью. [c.171]

При построении поисковых алгоритмов оптимизации следует учесть, что многообразие методов оптимального проектирования ЭМП требует их сравнительной оценки и выбора из них наиболее эффективных для решения конкретных задач. Однако достаточно полные критерии теоретической оценки методов пока не разработаны и поэтому оценка осуществляется обычно с помощью вычислительного эксперимента. Анализ работ по оптимальному проектированию ЭМП показывает, что все основные методы программирования получили практическую апробацию. Так, методы упорядоченного перебора использованы для проектирования асинхронных двигателей [42], методы случайного перебора — для проектирования асинхронных двигателей и синхронных генераторов [24], методы градиента, покоординатного поиска, динамического программирования— для проектирования синхронных машин [8], методы случайного направленного поиска —для проектирования асинхронных машин (22] и т. д. [c.144]

Указанные затруднения можно преодолеть с помош,ью замены задачи максимального быстродействия семейством задач терминального управления, преимуществом которых является фиксация отрезка [О, Г], на котором рассматривается переходный процесс. Это позволяет фиксировать соответственно число параметров оптимизации и использовать для решения указанные выше поисковые алгоритмы. [c.214]

Поисковые методы динамического программирования основаны на численных методах решения уравнения (3.75). Общая вычислительная схема на первом этапе сводится к решению задачи одномерной оптимизации ДЯо по параметру Azi, при фиксированной точке Zo и заданной функции /p-i(Zi). Аналитический вид этой функции, как правило, неизвестен, но для численных [c.254]

Сущность оптимизации при выбранной комплексной целевой функции сводится к отысканию при наложенных ограничениях таких значений параметров механизма, которые дают максимум (минимум) целевой функции, характеризующей комплексную эффективность проектируемой машины. При этом используются математические методы оптимизации, позволяющие осуществить непрерывный поиск направления улучшения внутренних параметров механизма за счет количественного изменения их значений. Так как комплексная целевая функция, получаемая сверткой векторных критериев, определяется неявным образом от внутренних параметров синтеза, что не позволяет оценить ее свойства (выпуклость, вогнутость и т. д.), то решение задач оптимизации ведется с помощью поисковых методов, получивших название методов математического программирования. В настоящее время нет экономичного, универсального метода, дающего высокую гарантию получения наилучшей совокупности внутренних параметров машины и механизма, пригодного для решения любой задачи оптимизации. В зависимости от класса решаемых задач из имеющихся в наличии программ, входящих в программное обеспечение методов оптимизации, выбирают такую, которая дает наиболее высокую вероятность отыскания оптимальной совокупности определяемых параметров с наименьшими затратами машинного времени. [c.316]

Методы и алгоритмы поисковой оптимизации [c.153]

Как уже отмечалось, в задачах оптимизации ЭМУ часто приходится иметь дело с параметрами оптимизации, которые могут изменяться, только дискретно. Такие задачи принято называть задачами смешанного целочисленного программирования. Все рассмотренные ранее поисковые методы (за исключением сканирования) позволяют решать такие задачи только при искусственной замене в процессе поиска дис- [c.161]

В результате знакомства с рассмотренными методами поисковой оптимизации нетрудно увидеть, что методы направленного поиска обладают рядом органически присущих им недостатков. [c.162]

Рис. 5-28. Схема комбинированного алгоритма поисковой оптимизации

Наиболее распространенным приемом, позволяющим отстроиться от локальности направленных методов поиска, является организация алгоритмов, в которых на первом этапе применяется пассивный поиск, а в дальнейшем — один из методов направленного поиска. Такое комби нирование методов оптимизации позволяет вести направленный обзор области поиска из нескольких начальных точек (как это показано в примере на рис. 5.21), которые могут формироваться методами сканирования или статистических испытаний. Важно отметить, что начальные точки должны находиться в области допустимых значений параметров. Схема организации комбинированного алгоритма поисковой оптимизации, дающего возможность определять приближения к глобальному экстремуму функции цели, представлена на рис. 5.28. [c.164]

Сопоставление эффективности алгоритмов поисковой оптимизации [c.169]

Понятие эффективности весьма многообразно. В данном случае речь может идти о сложности алгоритмов и программ, реализующих различные методы, или о возможностях этих программ в решении практических задач. Частично особенности построения алгоритмов поисковой оптимизации, позволяющие судить об их относительной сложности, были рассмотрены ранее. Здесь обсудим вопрос эффективности применения готовых алгоритмов в виде соответствующих программ для рещения задач оптимизации ЭМУ. [c.169]

Такая универсальная характеристика рассматриваемых методов оптимизации, как затраты на поиск, и может быть принята для сравнительной оценки эффективности всей группы методов поисковой оптимизации. [c.169]

Таким образом различные методы поиска имеют определенные сферы действия в решении задач оптимизации проектных решений. Поэтому при разработке САПР целесообразно включать в ее состав комплекс алгоритмов и программ поисковой оптимизации. [c.173]

Если и такой шаг не приводит к получению желаемого результата, может быть выполнено совместное изменение всех параметров объекта. Необходимо отметить, что количество и последовательность названных шагов в предлагаемом алгоритме не являются жестко заданными, они определяются проектировщиком по итогам анализа требований ТЗ и данных аналога. Особенности решаемой при этом задачи оптимизации состоят в том, что здесь отсутствует функция цели в обычном виде, и необходимо найти хотя бы один вариант проекта, попавший в область допустимых значений параметров. Большая размерность пространства параметров и трудности прямого использования наиболее эффективных алгоритмов поисковой оптимизации делают необходимой разработку специальных алгоритмов входа в допустимую область. Рассмотрим один из возможных таких алгоритмов [24], укрупненная схема которого приведена на рис. 6.7. [c.206]

Вводится некоторая уступка Д01 по основному критерию, определяется область поиска по параметрам, и ЭМУ оптимизируется поочередно по всем неосновным функциям цели 02, Од. при условии, что ограничения на другие функции, кроме основной, не принимаются во внимание. Поиск оптимального варианта по различным функциям цели осуществляется с использованием методов поисковой оптимизации. Определяются лучшее и худшее значения каждого неосновного критерия и соответствующие им значения параметров оптимизации. [c.215]

Поиск оптимальных значений параметров управления проводился методами поисковой оптимизации с учетом заданных ограничений по току и потребляемой мощности. При определении параметров двигателя на каждой частоте вращения учитывалось влияние насыщения магнитной цепи по алгоритму, представленному в 6.4. [c.226]

Приведенный пример показывает возможности применения ранее рассмотренных методов и алгоритмов поисковой оптимизации для решения задач оптимального управления. [c.226]

Таким образом, методы и алгоритмы поисковой оптимизации при определенных условиях могут рассматриваться как универсальное средство выявления лучших вариантов проекта с учетом не только внутренних параметров ЭМУ, но и алгоритмов их управления. [c.229]

Кроме того, известно, что допуски на целый ряд параметров (например, на геометрические размеры) регламентируются системой ква-литетов, а следовательно, изменяются дискрета. Для реализации общего подхода к решению задачи оптимизации и соответствующей унификации применяемых алгоритмов целесообразно заменить в первом приближении дискретно изменяемые параметры их непрерывными аналогами. Эта операция, в частности, позволяет применять при определении допусков практически всю совокупность методов и алгоритмов поисковой оптимизации. После получения оптимальных значений допусков они могут быть скорректированы с учетом дискретности изменения допусков на ряд параметров. [c.247]

Очевидно, что допуски, найденные в соответствии с алгоритмами поисковой оптимизации, удовлетворяют ограничениям на рабочие показатели даже при самом неблагоприятном сочетании значений параметров, т. е. таком сочетании, когда параметры находятся на границах допусков. Следовательно, в данном случае вероятность выхода [c.247]

Рассмотрим получение случайных чисел, распределенных с равномерной и нормальной плотностями вероятности, которые находят наибольшее применение на практике. Равномерно распределенные числа, как уже говорилось в 5.2, используются в алгоритмах поисковой оптимизации, а также служат основой для получения случайных чисел с другими распределениями вероятности. Равномерная плотность вероятности определяется выражением [c.253]

В составе подсистемы Оптимизация рассматриваемой САПР нашли применение несколько методов поисковой оптимизации. В частности, разработан алгоритм экстраполяционного поиска, предусматривающий генерацию ряда состояний в окрестности каждой текущей точки с определением целевой функции и ограничений, а также их многомерную линейную аппроксимацию. Для решения задач целочисленного программирования, к которым часто сводится оптимизация электрических машин, применяется алгоритм последовательного улучшения функции [c.287]

Электромеханические устройства 5 Этапы проектирования 12 Эффективность алгоритмов поисковой оптимизации 169 [c.295]

Поскольку в задаче анализа объекта проектирования используются алгоритмические модели, для проведения оптимизации в САПР используется поисковая схема. [c.30]

В лабораторной работе Поисковая оптимизация теплообменника> (см. п. 5.3.4) осуществляется двумерный поиск оптимального варианта. Изображение на экране дисплея представляет собой двумерную область поиска, на которую наносятся значения целевой функции в пробных точках. Такой способ вывода информации позволяет ориентироваться на рельефе целевой функции и вести направленный поиск по какому-либо известному алгоритму. [c.206]

Проведение экспериментов на модели. Как следует из формулировки задания, необходимо провести поисковую оптимизацию процесса охлаждения пластины, подобрав интенсивность теплоотдачи на ее поверхности таким образом, чтобы возможно сильнее понизить температуру в центре пластины, не допустив при этом слишком больших температурных напряжений. [c.217]

ПОИСКОВАЯ ОПТИМИЗАЦИЯ ТЕПЛООБМЕННИКА [c.244]

Результаты поисковой оптимизации конструкционные и режимные характеристики оптимального теплообменника, а именно [c.246]

Метод отжига - метод поисковой оптимизации, в котором для увеличения вероятности выхода из областей притяжения локальных минимумов допускается переход в точки с худшим значением целевой функции с некоторой вероятностью Метод распространения ограничений - метод решения задач условной оптимизации, основанный на сокращении интервалов значений управляемых переменных (или мощности множеств значений этих переменных) благодаря учету исходных ограничений. Сокращенные интервалы в явном виде определяют подмножество допустимых решений [c.312]

Если для выбора динамически оптимального закона движения у(х) наиболее уместны вариационные методы, то для определения дискретных параметров оптимизации целесообразно использовать поисковые методы [50]. Поскольку настоящая par бота посвящена в основном использованию вариационных методов в задачах динамической оптимизации механизмов машин- [c.84]

В большинстве задач проектирования при отсутствии аналитического задания целевых функций проверка F( ) на выпуклость или вогнутость, как правило, невозможна, поэтому для решения задач оптимального проектирования используют методы поисковой оптимизации, основанные на исследовании малой окрестности отимальной точки в допустимой области. Основные требования, предъявляемые к методу поиска,— высокая алгоритмическая надежность, приемлемые затраты машинного времени и требуемой памяти. [c.281]

Попытка такой перестройки осуществлена в разработанном нами экспериментальном курсе пространственного эски-зирования, теоретическое обоснование которого приведено в данной работе. В основу экспериментального курса положен метод пространственно-графического моделирования, как наиболее точно соответствующий идее системного подхода к развитию творческого мышления. Реализация этого метода осуществляется в поисковой деятельности оптимизации структуры ( ормы во взаимосвязи с наложенными на структуру условиями. Учебный процесс в этом случае вполне согласуется с информационными требованиями автоматизации профессиональной деятельности инженера, развития у него кибернетического мышления. В учебных заданиях, построенных по новым принципам, моделируется не структура изделия (узла, детали), а структура процесса его образования (изготовления детали, конструктивной увязки деталей в сборочную единицу, проектирования целостной формы, удовлет-воряющей заданным функциональным требованиям). Концеп-) [c.180]

Решение задач параметрического синтеза в САПР выполняется методами поисковой оптимизации (основана на последовательных приближениях к оптимальному решению). Каждая итерация представляет собой шаг в пространстве управляемых параметров. Основными характеристиками метода оптимизации являются способы определения направления, в котором производится шаг в пространстве ХП, величины этого шага и момента окончания поиска. Эти характеристики наряду с особенностями математических моделей оптимизируемых объектов и формулировки задач как задач математического лрограм.мировапия определяют показатели эф-фективпос ги поиска — надежность отыскания экстремальной точки, точность попадания в окрестности этой точки, затраты вычислительных ресурсов па поиск. [c.68]

Числовой подход к решению задачи требует применения ЭВМ и поисковых методов оптимизации. При решении данного примера в качестве параметров оптимизации приняты высота полюсного наконечника hp, высота hm и ширина Ьт полюсного сердечника, высота ярма hj. Однако независимыми являются только параметры Лт и bm, так как hj жестко связан с Ьт, а Ар однозначно определяется одним из равенств а р = Одоп или,Вкр = Вдсл. Они обусловлены тем, что возникающее в процессе оптимизации стремление увеличить окно обмотки возбуждения приводит к превращению соответствующих неравенств в равенства. Все остальные исходные данные расчета индуктора с учетом предыдущих этапов расчета генератора предполагаются фиксированными. Для поиска оптимальных решений использованы градиентный метод и метод локального динамического программирования. Числовое решение рассматриваемой задачи не достигает конечной цели, т. е. не приводит к уравнениям расчета оптимальных значений параметров оптимизации. Конечную цель можно достичь только при сочетании числовых результатов с методами планирования эксперимента. При этом в качестве единичного эксперимента следует рассматривать отдельное оптимальное решение рассматриваемой задачи, полученное для конкретного набора исходных данных. В качестве факторов можно рассматривать любые независимые исходные данные. [c.105]

Методы покоординатного поиска. Типичными представителями группы многоэтапных методов поисковой оптимизации являются метод Гаусса—Зейделя и созданный на его основе метод Пауэлла [30]. В соответствии с методом Гаусса-Зейделя поиск на каждом этапе ведется по одному параметру при зафиксированных значениях всех остальных. Пример поиска по методу Гаусса-Зейделя в пространстве двух параметров показан на рис. 5.25. В примере сначала фиксируется значение параметра х, =х, ив этом сечении определяется значение параметрах , дающее лучшее значение Q. Затем фиксируется параметр Хг на уровне Х2 и находится значение первого параметра х", соответствующее лучшему значению Q в сечении Х2 =Х2 = onst. В дальнейшем действия по. поиску экстремума Q повторяются в той же последовательности. [c.161]

Приведенные выше соображения позволяют дать лишь некоторые качественные оценки эффективности двух групп методов поисковой оптимизации. Однако, очевидно, что эти оценки весьма приблизительны и не дают возможности выбирать конкретные методы при решени практических задач для того или иного класса объектов. В то же время особенности математического описания объектов проектирования могут значительно повлиять на оценку эффективности. Поэтому наиболее корректную сравнительную оценку эффективности различных методов поисковой оптимизации можно получить в результате проведения специально организованньк вычислительных экспериментов, когда разные методы в сравнимых условиях применяются для оптимизации одного и того же объекта. [c.170]

Результаты одного из таких вычислительных экспериментов, выйол-ненных с помощью пакета программ, реализующего алгоритмы поисковой оптимизации и разработанного при участии авторов пособия, приведены в табл. 5.7. В качестве объекта был выбран асинхронный гиродвигатель. При его оптимизации принимались во внимание технологические ограничения по выполнимости пазов, зубцов и спинок статора и ротора, а также ограничения на рабочие показатели КПД в номинальном режиме > 0,5, кратность пускового момента к > > 1,2, пусковой ток / < 2 А, время разгона tp <150 с. Точность решения для всех методов принималась одинаковой при данном числе 170 [c.170]

Поисковая оптимизация [ 2] осуществляется с помощью специального программного обеспечения и заключается в переборе значений целевой функции в окрестности некоторой наперед заданной точки, соответствующей множеству значений аргументов целевой функции. В начале поиска экстремума задаются ориентировочтые значения аргументов целевой функции. Далее на каждом шаге оптимизации происходит изменение аргументов и вычисление нового значения целевой функции. Сопоставление значений целевой функции позволяет принимать решение об изменении тактики поиска экстремума. [c.30]

Поиск с запретами (Tabu sear h) - поисковая процедура оптимизации, при которой вводятся запреты на перемещение в некоторые из ранее пройденных точек в пространстве управляемых параметров в целях уменьшения вероятности застревания в точках локальных экстремумов [c.313]

Данный обзор исследований волн и колебаний, возникающих в направленно армированных композитах, был по необходимости кратким, и список цитированных работ, бесспорно, далек от полного. Некоторые важные и интересные аспекты проблемы совсем не рассматривались. В числе последних упомянем динамические эффекты в хаотически армированных композитах, механизмы разрушения в условиях динамического нагружения, такие, например, как разрыв волокон и расслоение, оптимизацию структуры, и, конечно, нелинейность связи напряжений с деформациями при динамическом нагружении направленно армированных композитов. Аналитические и экспериментальные работы по этим темам опубликованы, но большая часть из них носит поисковый характер. Краткое обсуждение некоторых из зтих работ содержится в обзорных статьях Гёртмана [29] и Пека [53, 54]. Несмотря на это стоит закончить данную главу несколькими замечаниями относительно хаотического армирования, разрушения, оптимизации и нелинейности, а также перечислением некоторых посвяшенных этим вопросам работ. [c.386]

Объектные подсистемы (объектно-ориентированные) позволяют осуществлять проектирование некоторого объекта или класса объектов на определенной стадии проектирования. В качестве примеров можно назвать подсистемы проектирования частей здании, сооружения, станка. Существуют также инвариантные (объектно-независимые) подсистемы, осуществляющие функцию управления н обрабог-ки информации и не зависящие от особенностей проектируемого объекта. К таким подсистемам относятся управление САПР, диалоговые процедуры, численный анализ, оптимизация, графический пакет, пакеты ввода-вывода, информационно-поисковых процедур и т. п. [c.189]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...