Задача условной оптимизации

Задачи, в которых экстремум ищут в пределах неограниченного пространства переменных проектирования, относятся к задачам б е з у с л о в и о й оптимизации. Найденные при этом экстремумы называют безусловными. Наличие ограничений любого вида приводит к задачам условной оптимизации, решение которых дает условный экстремум. [c.277]

Методы условной оптимизации. Задачи условной оптимизации, заключающиеся в минимизации некоторого критерия оптимальности с ограничениями на область существования переменных проектирования, относятся к классу задач математического программирования. [c.290]

В задачах условной оптимизации, в которых ограничения заданы только в виде неравенств, возможно построение обобщенного критерия оптимальности с помощью барьерных функций. Значения, принимаемые барьерной функцией, неограниченно возрастают при приближении к границе допустимой области. [c.291]

Объясните общность и различие методов штрафных и барьерных функций в задачах условной оптимизации. [c.329]

При решении задач условной оптимизации целесообразно использовать методы безусловной оптимизации, учитывая большое количество разработанных по этим методам программ. С этой целью задача условной оптимизации сводится к задаче безусловной оптимизации устранением ограничений путем преобразования параметра XI, на значения которого наложены ограничения, в не-ограничиваемый. [c.319]

Сведение исходной задачи условной оптимизации к последовательности задач безусловной оптимизации может быть выполнено с помощью функций штрафа. [c.167]

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]

Итак, решение задачи условной оптимизации при нескольких ограничениях сведено к многократному решению задачи условной оптимизации с одним ограничением. Здесь же возникает задача оптимального изменения симплекса Р, например, правило выбора изменения Р и выбор шага изменения АР. [c.298]

Для задачи о максимальной вписанной окружности соответствующая задача условной оптимизации будет выглядеть следующим образом [c.193]

Различают методы условной и безусловной оптимизации по наличию или отсутствию ограничений. Для реальных задач характерно наличие ограничений, однако методы безусловной оптимизации также представляют интерес, поскольку задачи условной оптимизации с помощью специальных методов могут быть сведены к задачам без ограничений. [c.158]

Суть метода заключается в преобразовании задачи условной оптимизации (4.19) в задачу безусловной оптимизации с помощью образования новой целевой функции [c.166]

Важная идея методов штрафных функций - преобразование задачи условной оптимизации в задачу безусловной оптимизации путем формирования новой целевой функции Ф(Х), за счет введения в исходную целевую функцию F(X) специальным образом выбранной функции штрафа S(X) [c.167]

Если периоды слабо связаны (то есть существует единственное ограничение, связывающее действия, или множества допустимых действий, или затраты, или доходы, или вознаграждения и т.д. - см. аналогии в задачах стимулирования в многоэлементных АС со слабо связанными АЭ [59]), то задача (4) превращается в задачу условной оптимизации (изменяется множество действий, по которому ищется максимум). [c.1204]

Беллмана (см. примеры 3 и 4), что качественно отличает их от модели ДАС с несвязанными или со слабо связанными периодами, в которых применение принципа компенсации затрат сводило задачу управления к стандартной задаче условной оптимизации. [c.1204]

В случае наличия общих ограничений на целевые функции, допустимые множества, параметры механизма стимулирования и т.д., при несвязанных периодах функционирования, задача стимулирования в динамической системе, по аналогии с задачей стимулирования в системе со слабо связанными элементами, может быть сведена к стандартной задаче условной оптимизации [52, 56-58]. [c.1204]

В основу алгоритмов минимизации гладких функций на ограниченных множествах положены следующие идеи. Общая задача математического программирования может быть преобразована в задачу либо последовательность задач безусловной оптимизации. Такие алгоритмы основаны на использовании метода центров [225], замены независимых переменных [211], применении различных вариантов штрафных функций и модифицированных функций Лагранжа [215, 217, 218]. Можно отметить также метод [225], позволяющий перейти к безусловной минимизации функции максимума. Задача условной оптимизации может быть аппроксимирована последовательностью задач линейного или квадратичного программирования. К этой группе относятся методы возможных направлений [228], линеаризации [215], линейной аппроксимации [96], проектирования [218]. [c.148]

При описании комплексной целевой функции нелинейными зависимостями от внутренних параметров задача оптимизации решается методами линейного программирования если же целевая функция является линейной функцией от внутренних параметров, то имеет место задача линейного программирования. В общем случае целевая функция может иметь несколько экстремумов, отличающихся по абсолютной величине. В зависимости от типа экстремума, в котором заканчивается поиск оптимального решения, различают методы поиска локального и глобального экстремума. Если на значение определяемых параметров наложены некоторые ограничения, то решение задачи синтеза механизмов осуществляется методами условной оптимизации. В противном случае (при отсутствии ограничений) при синтезе механизмов для поиска значений определяемых параметров используют методы безусловной оптимизации. [c.316]

Конечно, возможны иные критерии оптимизации периода предупредительных замен. Так, могут быть заданы не стоимости проведения предупредительной и аварийной замен, а их длительности, что приведет к необходимости минимизировать коэффициент простоя элемента (математическая постановка задачи в данном случае сохранится с точностью до обозначений), или может быть оптимизирована вероятность выполнения задачи заданной длительности. Могут быть сформулированы задачи на условную оптимизацию. Например, необходимо добиться заданных эксплуатационных характеристик при минимальных экономических затратах (или добиться максимально возможных эксплуатационных характеристик при заданных экономических затратах). [c.359]

Условная оптимизация. Имеется система, рассмотренная в предыдущем пункте, однако необходимо учесть и экономическую сторону проведения ТО. В этом случае можно сформулировать задачу на условную оптимизацию типа [c.366]

Иначе говоря, это - задачи на условную оптимизацию. Обе эти задачи решаются обычными способами дискретного программирования как задачи на условную оптимизацию. Как и в первом случае, здесь рассмотрены только варианты очень упрощенной постановки задачи. Но и в этом случае практическое решение подобных задач приводит к большим трудностям. [c.395]

Существенно отличается подход к решению задач с единственным и несколькими экстремумами. Во втором случае обычно требуется найти главный из них (так называемый глобальный). Наличие или отсутствие ограничений на искомые переменные относит задачу к области условной или безусловной оптимизации. В свою очередь линейность целевой функции или ограничений обуславливает использование методов линейного или нелинейного программирования. При постановке задачи существенное значение имеет то, что исходная информация не полностью определена и характеризуется определенными вероятностными свойствами. Такую задачу следует решать методами стохастического программирования. Наконец, подход к решению оптимизационной задачи значительно изменяется, если целевая функция приобретает не скалярный, а векторный вид. Тогда возникает необходимость оптимизации по нескольким независящим критериям. После этой краткой общей классификации остановимся более подробно на типах оптимизационных задач, наиболее подходящих для разработки приборов квантовой электроники. К таким задачам прежде всего относятся задачи параметрической оптимизации. [c.121]

Совокупность методов НЛП, в зависимости от ограничений в математических моделях оптимизации, делится на две группы методы безусловной оптимизации и методы условной оптимизации. Первые используют для решения задач без ограничений на оптимизируемые параметры, вторые — для задач с ограничениями. Следует отметить, что методы безусловной оптимизации (см. описание методов штрафных функций) можно использовать и при решении задач с ограничениями, предварительно приведенных к задачам без ограничений. [c.152]

Методы условной оптимизации. Метод штрафных функций основан на преобразовании исходной задачи (3.3) с ограничениями к задаче без ограничений с применением к последней методов безусловной оптимизации. Преобразование проводится по формуле Ф(Х) =/ (Х)+0(Х), где Ф(Х) и F )—соответственно новая и первоначальная целевые функции, 0(Х) —функция штрафа, учитывающая нарушенные ограничения. В методе штрафных функций, называемом методом внешней точки, функция штрафа [c.75]

Рассмотренный алгоритм обеспечивает решение задачи безусловной минимизации целевой функции. Однако, как уже отмечалось, при оптимизации АФАР область изменения варьируемых параметров часто бывает ограничена, что формально приводит к задаче условной минимизации (т. е. к задаче вида (7.1) с ограничениями [c.198]

Еще более проблематичным представляется применение аналитических методов при отыскании условных экстремумов функции цели, что характерно для реальных задач оптимизации ЭМУ при наличии многочисленных ограничений. Ограничения, накладываемые на область определения функции цели, приводят к возможному несовпадению условных и локальных экстремумов, а поэтому уравнения (5.38) в данном случае вообще нельзя рассматривать в качестве необходимых условий для определения точек экстремума. [c.149]

Остальные параметры системы (они обозначаются yij I Уп) условимся называть параметрами состояния. Разделение параметров на две группы является условным и определяется постановкой задачи оптимизации, особенностями работы элемента и узлов и др. [c.555]

Разработаны многочисленные методы рещения задачи оптимизации при различных видах целевой функции, уравнений связи и типах ограничений, которые условно можно подразделить на две группы а) классические (метод дифференциального исчисления, метод множителей Лагранжа, вариационное исчисление) б) метод математического программирования (методы линейного и нелинейного программирования, метод динамического программирования, принцип максимума Понтрягина и др.). [c.555]

Структуру сезонных запасов в предлагаемой детерминированной постановке задачи будут определять режимы завоза топлива, накопления и сработки его запасов, обусловленные неравномерностью и рассогласованием процессов добычи и потребления топлива, а также транспортными ограничениями. Таким образом, в содержательном плане задача состоит в получении ответа на вопрос, как в течение года накапливать и срабатывать запасы топлива в отдельных районах, чтобы обеспечить решение, полученное в масштабе годовых объемов при оптимизации развития ЭК [64]. При этом система топливоснабжения страны должна быть представлена в достаточно агрегированном виде [64], а получаемые решения должны быть детализированы в рамках отдельных районов с помощью специальных моделей, условно говоря, районного уровня. [c.413]

Одна из главнейших задач оптимизации — выбор критерия качества технологической системы. Условно критерии можно разделить на четыре группы [15], каждая из которых объединяет следующие качественные характеристики АЛ [c.163]

Решение задачи связано с нахождением условного экстремума. Для нахождения безусловного экстремума задачу необходимо преобразовать так, чтобы она стала задачей на безусловный минимум. Это преобразование может осуществляться различными способами, выбор которых зависит от сложности и трудоемкости вычислений. Одним из эффективных способов является метод неопределенных множителей Лагранжа. Практические приемы преобразования и методы оптимизации решений достаточно подробно освещены в работах [21, 66]. [c.85]

Вторым важным обстоятельством является то, что реализация рассмотренных алгоритмов значительно усложняется, если задача сводится к нахождению условного экстремума, т. е. экстремума, находящегося на границе допустимой области. Такая ситуация может возникнуть при решении задачи оптимизации параметров тепло- [c.202]

Б. Камера распределения. Ширина приемного сопла йпв. При проектировании струйных элементов возникает задача оптимизации величины проходного сечения приемного сопла с целью максимального использования энергии потока питания. Сложность решения этой задачи заключается в том, что расход и давление в приемном канале во время работы струйного элемента с различными нагрузками — величины переменные и взаимозависимые. Критерии оптимизации могут быть самыми различными в зависимости от назначения струйного элемента. Наиболее общим критерием оптимальности является обеспечение условного максимального КПД (или максимального коэффициента передачи энергии) элемента [c.291]

Задачу оптимизации соотношения толщин и /ij двухслойной термоизоляции можно поставить в данном случае двояким образом. Во-первых, при заданном значении т (массы или стоимости термоизоляции) оптимальное соотношение hj и можно подобрать из условия максимума термического сопротивления R. Во-вторых, при заданном значении R оптимальным следует считать соотношение hi и hj, которое обеспечивает минимум величины т (массы термоизоляции или ее стоимости). Оба варианта оптимизационной задачи соответствуют математической формулировке задачи на условный экстремум функции двух переменных с заданным ограничением в форме равенства. В первом случае нужно найти максимум функции R(hi, hj) при ограничении m(hi, hj) = mg, а во втором - минимум функции m hi, hj) при ограничении jR(/ij, hj) = где Щ - заданные значения. [c.138]

Существует и используется большое число математических методов численного решения задач условной оптимизации (см., например, [18]). Эти методы, так же как ih разработанные на их основе алгаритмы и программы, различаются требованиями к начальному приближению решения, скоростью сходимости процесса, чувствительностью к погрешностям в задаваемых параметрах, точностью локализации координат экстремума, объемом необходимой оперативной памяти и требованиями к быстродействию ЭВМ, удобством работы и другими характеристиками. В некоторых случаях экстремум функции (22.8) иш ется непосредственно в заданной допустимой области, другие методы основаны на решении с + с( > +... +нелинейных уравнений [c.187]

Вообщ,е задачи условной оптимизации более сложны, чем задачи безусловной оптимизации. Для их решения используют специально разработанные методы программирования с ограничениями. Одним из таких методов, которые относятся к методам поиска глобального экстремума, является метод сканирования, состоящий в том, что допустимая область поиска, определяемая системой ограничений, разбивается на к подобластей, в центре каждой из которых определяется значение целевой функции. Если целевая функция зависит от п параметров, необходимо выполнить вариантов расчета. Для надежного определения глобального минимума необходимо увеличивать число к подобластей, что приводит к большим затратам машинного времени. [c.319]

Изложение различных методов решения задач минимизации (в том числе задач условной оптимизации, линейного проп аммирования, дискретной оптимизации) можно найти в [6, 11, 14, 22, 66, 78]. [c.143]

Таким образом, задача условной оптимизации (3.24) сведена к задаче безусловной оптимизации квадратичной функции (3.27). Производная Фрегпе функции (3.27) есть 1 х (ЛТ — 1) -матрица [c.66]

В соответствии с делением экстремумов на условные и безусловные различают методы условной и безусловной оптимизации. Методы безусловной оптимизации могут быть применены к поиску условных экстремумов. Основным методом сведения задач условной оптимизации к безусловной является метод штрафных функций [49], та же цель достигается и при использовании максиминного критерия. В последнем случае каждое из ограничений на управляемые параметры представляется как условие работоспособности с соответствующим запасом. [c.155]

Задача оптимизации сложной теплоэнергетической установки является многоэкстремальной, имеющей ряд локальных экстремумов. Для поиска среди них глобального экстремума используются комбинации методов случайного поиска с методами направленного поиска. По существу это заключается в том, что спуск производится из разных подобластей с последующим анализом кривых, соединяющих экстремальные и особые точки. Наличие ограничений превращает задачу поиска безусловного экстремума в задачу условного экстремума (возможность нахождения условного экстремума на границе). [c.58]

Третий этап — формирование модели (либо совокупности моделей) взаимодействия разрабатываемой конструкции и внешней среды, т. е. модели функционирования, построенной для всех этапов жизненного цикла изделия с учетом зависимостей, отража-10ЩИХ реальные физические процессы и трансформации объекта проектирования в процессе эксплуатации. Основная цель этого этапа — исследование моделей функционирования по всем параметрам, определяющим качество искомого технического решения. Именно на этом этапе разработки целесообразно привлечь методы оптимизации с целью выявления наилучшего варианта конструкции. Наиболее существенные принципиальные трудности, возникающие при реализации решения многокритериальная природа задачи необходимость учета большого числа факторов многообразие критериев условной оптимизации отсутствие простых и достаточно отработанных способов вычисления условных функционалов, задания конструктивных и технологических ограничений при моделировании реальных физических процессов и др. В связи с этим многовариантное исследование прочности конструкций на основании анализа моделей функционирования для получения рациональных, надежных и всесторонне обоснованных конструкторских решений следует признать более целесообразным, чем глобальная оптимизация разрабатываемых конструкций (что, конечно, не исключает возможности локального использования методов оптимизации конструкций на отдельных этапах проектирования). [c.288]

Методы условной оптимизации можно разделить на следующие три группы ориентированные на решение задач НЛП определенных классов (задачи сепарабельного, квадратичного, геометрического программирова- [c.157]

В качестве важной особенности ЭМУ как объекта оптимизации необходимо отметить большое количество ограничений как основных, так и вспомогательных. Это приводит к сложной конфигурации допустимой области изменения параметров, а также к существенным трудностям попада1ШЯ в нее, что в совокупности значительно усложняет поиск экстремума функции цели. При этом часто лучшим вариантам проекта соответствуют точки в пространстве параметров, лежащие на границе допустимой области. При этом задача оптимизации ЭМУ сводится к отысканию лишь условного зкстремума функции цели. Примеры такой ситуации показаны на рис. 5.15 и 5.16, где представлены области поиска соответственно при минимизации времени разгона асинхронного гиродвигателя с короткозамкнутой беличьей клеткой в пространстве параметров к(кратность максимального момента) и при оптимизации на максимум КПД (р) асинхронного конденсаторного микродвигателя [19] в пространстве параметров к — коэффициента трансформации и Хном номинального скольжения. [c.147]

Транспорт газа — одно из самых энергоемких производств, в связи с этим экономное расходование топливно-энергетических ресурсов (ТЭР) составляет одну из основных задач. Главтюменгазпром вопросам планирования, анализа и рационального расхода газа на собственные нужды уделяет постоянное внимание. Мероприятия по экономии ТЭР и материально-технических ресурсов (МТР) условно можно разбить на три группы первая — устранение прямых потерь газа и электроэнергии вторая — оптимизация загрузки компрессорных станций и агрегатов третья — оптимизация тепловых, водных, санитарных и технологических процессов в обслуживании и подготовке к работе газотранспортных систем. [c.64]

Трудоемкость решения задачи оптимизации компоновки поверхностей нагрева котлоагрегата по изложенному алгоритму вполне приемлема для реализации на ЭЦВМ среднего класса. Вместо рассмотрения нескольких миллионов (при п = 10) вариантов возможных компоновок поверхностей нагрева котлоагрегата при использовании изложенного алгоритма требуется найти и сопоставить несколько сот (на одном из средних участков максимум 252) условно оптимальных компоновок. При этом единичная поверхность нагрева, на которую расходуется подавляюш ая часть машинного времени, рассчитывается примерно пять тысяч раз вместо десяти миллионов раз при переборе всех вариантов. Учет указанных выше ограничений по компоновке поверхностей нагрева уменьшит приведенную цифру еш,е примерно вдвое. [c.47]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...