Общий поиск

X—< -,к1ш аемая до общего поиска. [c.83]

Наилучшими критериями сравнения пяти методов поиска, описанных выше, являются их эффективность и универсальность. Под эффективностью алгоритма обычно понимают число вычислений функции, необходимое для достижения требуемого сужения интервала неопределенности. Из табл. 6.2 следует, что лучшим в этом отношении является метод Фибоначчи, а худшим — метод общего поиска. Конструктор иной раз неохотно прибегает к методу Фибоначчи, так как при его применении требуется заранее задать число вычислений значений функции. Однако он может воспользоваться методом золотого сечения. Как правило, оказывается, что методы Фибоначчи и золотого сечения, обладающие высокой эффективностью, наиболее подходят для решения одномерных унимодальных задач оптимизации. [c.152]

Общий поиск 143 Ограничения — неравенства 140 [c.231]

Чертеж общего вида отображает конструкцию изделия во всех его подробностях. По такому чертежу можно выяснить не только работу конструкции, взаимодействие и способы соединения деталей, но и форму тех деталей, кроме стандартных, на которые потребуется выполнять отдельные чертежи или изготовлять их по данным самого сборочного чертежа. Стандартные, например крепежные детали, вычерчивают упрощенно, не выявляя всех второстепенных элементов. Такой чертеж изготовляется конструктором в процессе создания конструкции изделия как результат поисков и анализа различных вариантов конструкции. Это итог творческого труда конструктора. Чертеж выполняется конструктором так, чтобы по нему можно было разработать все чертежи деталей и сборочных единиц без дополнительных разъяснений. [c.266]

Решение задачи синтеза маршрута обработки поверхности детали. Для поиска оптимального варианта плана маршрута обработки поверхностей используют динамическое программирование. Общей особенностью моделей динамического программирования является сведение задач принятия решений к получению рекуррентного соотношения, которое можно представить как [c.111]

На каждом этапе раскрытия вершин И-ИЛИ графа оценивается каждое получаемое состояние. Очередная вершина разрешима, если разрешима по крайней мере одна из ее дочерних ИЛИ-вершин. Вершина, имеющая в качестве дочерних И-вер-шины, разрешима лишь тогда, когда разрешимы все ее дочерние вершины. В случае разрешимости нескольких раскрытых вершин для дальнейшего поиска решения выбираются наиболее предпочтительные альтернативы, соответствующие раскрытым вершинам. Критериям предпочтения в качестве локального критерия выбора альтернативных вариантов может приниматься сложность достижения требуемой точности выполняемого размера, стоимости операции. В качестве глобального критерия оптимальности для рассматриваемой задачи обычно принимается минимум общей стоимости механической обработки с соблюдением всех требований к качеству изделий. [c.156]

В зависимости от характера решаемых задач устанавливают следующий основной состав подсистем общего назначения информационный поиск [c.105]

При построении линии или фигуры сечения необходимо знать свойства и каркас данной поверхности. Общее решение проводится по пункту 2 алгоритма 5 (см. п.11.4.). Начинать решение следует с поиска опорных точек точки пересечения очерка, границы видимости, точки с наименьшими и наибольшими координатами, точки возможного самопересечения кривой и т.п. [c.157]

Частным случаем общей задачи принятия решений является задача принятия решений в условиях неопределенности, возникающая, когда необходимо действовать в не полностью известной ситуации. Она часто формулируется как задача поиска одного наилучшего решения на заданном множестве допустимых решений. [c.13]

Классификация САПР. В общем смысле классификация — система соподчиненных понятий, часто представляемая в виде различных схем, таблиц и используемая как средство для установления связей между этими понятиями или классами объектов, а также для точной ориентировки в многообразии понятий или соответствующих объектов. Классификация фиксирует место объекта в системе, которая указывает на его свойства. В связи с этим она служит средством хранения и поиска информации, содержащейся в ней самой. Классификация создает условия для разработки технически обоснованных норм обеспечения процесса создания, функционирования и стандартизации в области САПР. [c.42]

В основе системного подхода лежит исследование объекта как системы, направленное на поиск механизмов целостности объектов и выявление всех его связей. Системный подход обосновывает общую оптимизацию разработки, проектирования, конструирования, производства, эксплуатации объекта. Одна из важнейших задач системного подхода—выбор вида, числа, уровня сложности, формы представления математических моделей. В общем случае системный подход при проектировании — это учет всех факторов, которые влияют на процесс создания объекта. Другими словами, системный подход — это решение технической задачи для части с учетом целого. [c.60]

Инвертированный метод доступа применяется только для поиска. Каждому инвертированному полю соответствует статья в таблице имя поля, значение и адрес записи. После загрузки БД выполняется упорядочивание статей по имени поля и групп статей с общим полем — по значению поля. На рис. 3.15 показан пример инвертированного [c.117]

В символическом указателе ключ рассматриваемой записи У хранится в записи X. Поиск записи осуществляется методом доступа внутренней модели. Основное преимущество состоит в том, что символический указатель не зависит от устройства и при пересылке нет необходимости обновления указателей. В качестве недостатка отметим, что он длиннее других указателей и имеет в общем случае худшую эффективность доступа. [c.120]

Изоморфные графы могут быть получены один из другого путем перенумерации их вершин. Очевидно, что изоморфизм есть отношение эквивалентности на графах. Если изоморфные преобразования проводятся с графом, заданным матрицей смежности, то они сводятся к перестановке местами соответствующих строк и столбцов. Известно, что в общем случае для определения изоморфизма графов необходимо сделать п сравнений или перестановок строк и столбцов матрицы, что для графов с л>30 не под силу даже современной ЭВМ. Поэтому необходимо применить тот или иной эвристический алгоритм поиска по дереву решений. [c.211]

При большой степени детализации маршруты представляются состоящими из проектных процедур, например для БИС имеем разработку алгоритма функционирования, абстрактный синтез конечного автомата, структурный синтез функциональной схемы, верификацию проектных решений функционально-логического проектирования, разбиение функциональной схемы, ее покрытие функциональными ячейками заданного базиса, размещение, трассировку, контроль соблюдения проектных норм и соответствия электрической и топологической схем, расслоение общего вида топологии, получение управляющей информации для фотонаборных установок. Возможна еще большая детализация маршрута с представлением проектных процедур совокупностями проектных операций, например структурный синтез функциональной схемы БИС можно разложить на следующие операции поиск эквивалентных состояний конечного автомата, реализацию памяти, кодирование состояний, определение функций выхода и возбуждения элементов памяти, синтез комбинационной части схемы. [c.357]

Подход к графической деятельности инженера-конструк-тора внешне должен быть наиболее близким к техническому творчеству изобретателя. При детальном анализе внутренней структуры мышления эти подходы оказываются противоположными друг другу. Подход к проблеме от частного к общему определяет стратегию конструкторского поиска, которая носит компоновочный характер. [c.27]

Для поиска компромиссных решений точек Парето может быть использован метод идеальной точки . Он состоит в определении минимального расстояния между текущим значением частного и значением общего критерия при поиске оптимальных значений по данному критерию без учета остальных критериев min р[Ф( ) —Ф ]. [c.54]

При работе с СУБД ПОИСК пользователь формирует запрос с помощью вышеописанных операторов. В общем случае запрос состоит из двух частей в первой части перечисляются значения дескрипторов, соединенных знаками операций булевой алгебры во второй части содержатся спецификации, определяющие порядок и форму отображения записей на дисплей или печать. [c.98]

Вариант задания секущей плоскости не влияет на характер поиска, так как при составлении признаков прямолинейные образы не учитывались. В общем виде схема счета программы для решения рассмотренных задач примет вид [c.239]

Повышение качества изготовления и эксплуатации аппаратов в большой степени зависит от создания и внедрения наиболее совершенных средств технического диагностирования. Проверка исправности, правильности функционирования, поиска дефектов и оценка технического состояния аппаратов требует измерения несколько сотен параметров качества, представляющих собой свойства объектов, обусловливающих их соответствие предъявляемым нормативным фе-бованиям. Известны группы диагностических параметров и признаков, характеризующих технические, эксплуатационные, физические, механические и другие свойства объектов. Техническое диагностирование осуществляется посредством измерения количественных значений параметров качества, которые, в свою очередь, зависят от влияющих на них факторов механических нагрузок и климатических воздействий, воздействий термических и коррозионно-активных сред. Иногда общее число влияющих факторов превосходит несколько десятков. Они должны подвергаться измерениям при техническом диагностировании аппаратов. [c.223]

Здесь будут приведены решения подобных задач с особыми точками, имеющими физическую интерпретацию [33]. Для поиска решений используется общий интеграл бигармонического уравнения и фаничные условия на оси симметрии и на бесконечности. [c.218]

Поиск локального оптимума в общем виде представлен схемой на рис. 5.7,0. Блок формирования задачи включает алгоритмы формального описания задачи проектирования, а также алгоритмы преобразования исходной формулировки задачи с ограничениями к форме задач без ограничений. [c.129]

Выбор начальной точки поиска осуществляется в зависимости от формулировки задачи. При отсутствии ограничений или их преобразовании к функциям штрафа с внешней точкой начальная точка выбирается произвольно. При наличии ограничений или их преобразовании к функциям штрафа с внутренней точкой начальная точка выбирается внутри допустимой области (приложение И). Учитывая это, для целевой функции (5.1) в общем случае следует выбирать начальную точку внутри допустимой области. Во всех случаях для выбора начальной точки можно использовать метод случайного перебора точек в пространстве параметров оптимизации [16]. [c.130]

Формирование шага (текущей итерации) поиска требует определения направления и его величины в фиксированной точке пространства параметров оптимизации. Направление поиска можно определить любыми методами направленного поиска или их комбинациями, которые позволяют в общем случае учитывать наличие линейных ограничений и овражных ситуаций. Нелинейные ограничения в исходной формулировке задачи целесообразно исключить путем соответствующих преобразований. [c.131]

Из-за случайного характера определения начальных точек в Dzk соответствующие алгоритмы глобальной оптимизации относятся к классу вероятностно-статистических алгоритмов. Общая схема этого алгоритма представлена на рис. 5.7,6, с помощью которого рассмотрим основные процедуры вероятностного глобального поиска. [c.134]

Если локальные поиски ведутся алгоритмами случайных направлений, то выбор начальных точек существенно упрощается и чередуется с процессами поиска. Сначала выбирается одна начальная точка в Di, из которой начинается поиск. После отыскания соответствующего локального оптимума организуется поисковое движение в случайных направлениях до попадания в подмножество Dzk, которое является областью притяжения нового локального оптимума. Найденная в этом подмножестве случайная точка рассматривается как новая начальная точка, из которой снова начинается локальный поиск, и так далее до тех пор, пока общее число начальных точек не станет равным N. Обычно локальный поиск совершается мелкими шагами, а перемещение в область притяжения нового оптимума — крупными. [c.134]

Преждевременные остановы из-за конечной величины шага возможны и при применении различных модификаций случайных и градиентных методов. Поэтому процесс поиска целесообразно возобновлять более общими способами, пригодными для различных методов. К таким общим способам можно отнести поворот координатных осей и построение новых направлений, близких к оси оврага и называемых овражными способами [23], которые не- [c.148]

В общем случае достаточно эффективным оказывается применение алгоритмов с комбинацией методов статистических испытаний (Монте-Карло) и покоординатного поиска. Для ограничений достаточно общего вида (7.22) путем введения соответствующих масштабов строится многомерный куб. В этом кубе путем статистических испытаний с определенной вероятностью находится аппроксимирующая управляющая функция, которая принимается за начальное приближение к глобальному оптимуму. Принимая полученное решение за начальное, методом покоординатного поиска находится ближайший локальный оптимум. Если начальное решение находится в сфере притяжения глобального оптимума, то полученное после покоординатного поиска решение можно считать окончательным. При наличии овражных ситуаций можно использовать специальные приемы, например поворот координатных осей. [c.217]

Несмотря на простоту реализации на ЭВМ и логику, отмеченные недостатки ограничивают применение методов покоординатного поиска в чистом виде. Для устранения недостатков предложены разные способы [74]. Наиболее общие среди них сводятся к повороту координатных осей и построению новых направлений поиска. [c.244]

Эффективность поиска можно увеличить, если ограничить множество случайных направлений. Например, можно потребовать, чтобы случайные направления приводили к не худшему результату, чем движение по градиенту. На рис. П.5, в эти направления находятся в секторе, ограниченном прямыми, исходящими из точки 2ft. В общем многомерном случае лучшие случайные направления находятся внутри так называемого направляющего конуса с вершиной в исходной точке 2л. Способы построения направляющих конусов даны в [64]. [c.247]

Универсальность алгоритма означает, что его можно легко применить для решения самых разнообразных задач. В этом отношении метод Фибоначчи, видимо, уступает другим, так как требует отдельного вычисления положения точек, в которых будут определяться значения целевой функции на каждом новом шаге. Этим приходится расплачиваться за повышение эффективности метода. С точки зрения универсальности малоэффективный метод общего поиска имеет по крайней мере одно преимущество — его можно с успехом применять и для неунимодальных функций, если они достаточно гладкие. Нередко заранее не известно, является ли рассматриваемая целевая функция унимодальной. В таких случаях следует воспользоваться несколькими разными алгоритмами и посмотреть, дают ли они все один и тот же оптимум. Отсюда следует важный вывод, который следует иметь в виду, решая задачи оптимизации не существует универсального алгоритма, который позволял бы решать любые задачи. Решая сложные задачи оптилшзации, следует пользоваться разными методами, так как это позволяет увеличить долю удачных решений. [c.152]

Таким образом, остается только один проектный параметр 3. Значение Т (<р)тах в интервале отф ,п до Фтах можно найти одним из методов одномерного поиска. Для этого потребуется отдельный поиск помимо поиска оптимальной конструкции. Поскольку в данном случае функция Г (ф) является, по-видимому, МуЛЬТИМОДЗЛЬКОИ, то для поиске се оптимума будет ПраВИЛЬКсИ воспользо-ваться методом общего поиска, хотя для отыскания оптимального решения задачи в целом можно обратиться и к другому методу. Следует также отметить, что важно ограничить множество возможных значений р так, чтобы функция Т (ф) Е процессе вычислений пе обращалась в бесконечность, так как это создаст дополнительные трудности. Такая ситуация будет складываться каждый раз, когда з1п( 3+ф)=0. Чтобы избежать этого, потребуем [c.156]

Перейдем теперь к программе решения этой задачи, составленной на языке Фортран. В ней используются две подпрограммы оптимизации, разработанные Мишке [5]. Они модифицированы таким образом, чтобы наименования под-програм.мы для целевой функции можно было использовать как операторы об1,<1гдения в списке аргу.ментов подпрограмм оптимизации. Подпрограмма OMB осуществляет общий поиск максимального значения Т на множестве возможных перемещений. Эта подпрограмма позволяет найти максимальное значение Т даже в том случае, если функция Т (ф) не является унимодальной. Чтобы достаточно быстро сузить интервал неопределенности до 0,01 начального, объединены две подпрограммы такого рода. В подпрограмме GOLD для общего контроля процесса оптимизации используется метод золотого сечения. [c.156]

Методика поиска наилучшего варианта маршрута обработки поверхности предусматривает распределение заданного общего минимального припуска 2от1п на N этапов. Величина припуска на первом этапе (нумерация этапов ведется от поверхности обработанной детали) равна /1 = (т1п, где (тш — наименьшая глубина резания, допускаемая процессом резания. Величина припуска на втором этапе /2 =/тш4-у. на третьем — /3 = = п-1-2у и т. д. Величина припуска на этапе с номером т равна /щш = (лг—1)у. Шаг у определяется [c.112]

Дозированное, поэтапное формирование перцептивнографических действий, связанных с процессом создания графических моделей, в значительной мере сокращает затраты времени на обучение, повышает глубину и прочность получаемых знаний. Формирование элементарных действий восприятия, представления, переработки визуальной информации является результатом определенной формы постановки учебного процесса. Развивающий эффект сопровождает графическую деятельность только в том случае, если она включается в структуру более общего конструктивного или композиционного поиска. [c.149]

При изучении графических моделей объектов с ортогонально ориентированными гранями студентам предлагается задача, решение которой требует выхода за пределы только что изученной пространственно-структурной системы. Пример задачи подобного типа приведен на рис. 4.6.21. Абсурдность сборки связана в восприятии с тем, что на протяжении нескольких занятий студенты имели дело с объектами ограниченного класса. В связи с этим у них появляется инертность мышления, изображение сборки причисляется ими к разряду нереальных. После того как абсурдность в рамках предполагаемой конструктивной системы уясняется всеми студентами, преподаватель проводит установочную беседу о характере изобретательских задач и специфике процесса поиска решения. Такая беседа должна нацелить студентов прежде всего на определение структурно-пространственных ограничений конструктивной системы, в которой реализуется абсурдность . Когда эта цель достигнута, предлагается изменить первоначальную точку зрения, найти более общую пространственную структуру, отказавшись от первоначальных искусственных ограничений. Желательно, чтобы каждый студент имел возможность прочувствовать удовольствие от небольшого самостоятельною открытия . На рис. 4.6.22,а изображена ничем не примечательная с первого взгляда конструкция. Визуальлые противоречия в сложных фигурах воспринимаются студентами не сразу. Для создания проблемной ситуации преподаватель предлагает построить чертеж изображенной конструкции. Как правило, все студенты выполняют чертеж в виде, приведенном на рис. 4.6.22,6. В процессе построения чертежа выясняется характер визуального несоответствия. Студенты самостоятельно предлагают варианты исправленных конструкций, соответствующих возможной пространственной реализации изображения (рис. 4.6.23). [c.177]

Выбор максимальной величины шага обеспечивает их минимальное число в процессе поиска. Однако это не означает, что время поиска на ЭВМ также минимально. С уменьшением числа шагов (итераций) возрастает время, необходимое для определения величины шага на каждой итерации. Поэтому эффективный подход к выбору величины шага должен быть индивидуальным в зависимости от специфики решаемой задачи. Тем не менее опыт оптимального проектирования на ЭВМ позволяет дать следующие общие рекомендации. Вдали от оптимума и границ допустимой области целесообразно вести крупношаговый поиск с максимальной величиной шага. Вблизи оптимума или границ допустимой области следует переходить на мелкошаговый поиск с шагом, пропорциональным модулю градиента Но или постоянным. [c.131]

К алгоритмам оптимального проектирования ЭМП целесообразно предъявлять следующие общие требования 1) небольшая погрешность и большая вероятность получения глобального оптимума как для целевой функции, так и для параметров оптимизации, особенно при проектировании серий 2) невысокая чувствительность к функциональным свойствам задачи из-за сложности их изучения 3) малое количество шагов в процессе поиска, обеспечивающее удовлетворительное машиносчетное время при больших вычислительных объемах поверочных расчетов электромеханических преобразователей 4) малый объем вычислений, простота и наглядность, обеспечивающие быстрое усвоение и реализацию алгорит- [c.144]

При создании программ диалогового управления (мониторов) требуется, чтобы все возможные логические ветвления сценария могли быть реализованы с помощью минимального набора директив, дающих указания ЭВМ. Для быстроты и удобства общения с ЭВМ директивы оформляются в виде коротких слов или символов, например, расчет , поиск , граф (графопостроитель) и т. п. Совокупность этих директив и символов образует входной язык ППП. Если один и тот же входной язык используется несколькими ППП, то функции интерпретации входного языка (языкового процессора) целесообразно передать общей подсистеме управления САПР. В противном случае для отдельного ППП можно создать свой монитор. Например, ППП для организации поиска оптимума могут быть снабжены специализированными мониторами. В настоящее время создан ряд систем для организации интерактивных режимов проектирования типа САППОР, ДИСО, ДИЛОС, ДИСПОР и др. [17]. [c.154]

Конструирование общего вида и декомпозиция на элементы ведутся также неформализованно и практически одновременно с генерацией вариантов. При этом ЭВМ осуществляют быстрый поиск и представление необходимой информации по имеющимся конструктивным решениям для прототипов, типовых конструкций и элементов, нормативным документам, справочным данным и т, п. Таким образом, исходной информацией для конструирования являются не только техническое задание и результаты расчетного проектирования, но и хранящиеся в САПР готовые конструктивные решения. Задача конструктора в этом случае сводится либо к выбору соответствующего готового решения, либо к улучшению готовых решений до тех пор, пока они станут приемлемы для проектируемого объекта. [c.169]

Варьирование параметров оптимизации ур р=, ... , т) производится с постоянным шагом Ду. Реакция на изменение ур определяется интегрированием уравнений динамики на отрезке [рД ь 7"] и соответствующим вычислением Но- Последовательность варьирования Ур принципиально можно выбрать как в сторону увеличения У, Уч- , Ут, так и наоборот. После варьирования полного набора (Ур) процесс повторяется до тех пор, пока изменение любого ур не приводит к дальнейшему улучшению Hq. Кроме рассмотренного алгоритма разработана его модификация, касающаяся покоординатного поиска. Здесь при каждом варьировании ур изменение его величины допускается только на один шаг Ау. Это означает, что при малых Ау общее направление поиска близко к антиградиенту функции Hoi что в определенных случаях сокращает время поиска. [c.217]

Благодаря суммированию направлений в (П.21) Si. отклоняется от grad Ho(Zk) в сторону ортогональных направлений, что позволяет продолжать движение в овражных ситуациях (рис. П.4, б). Сопряженные методы отличаются в основном способом определения ун и для квадратичных целевых функршй заканчивают поиск за р шагов. В общем случае число шагов может быть больше. Используя понятия сопряженности, а также различные модификации и комбинации градиентных и квазиньютоновских методов, можно построить ряд эффективных алгоритмов поиска [59, 65, 76]. [c.246]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...