Файл: Сапрыкин Г.С. Исследование операций в энергетических расчетах учеб. пособие для слушателей фак. повышения квалификации преподавателей теплотехн. каф., аспирантов и студентов специальности 0305.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 22.07.2024

Просмотров: 105

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

и а к с и ы

у

м a f 2в]. Он используется в случае

решения вариацион­

ных задач,

но

решения не принадлежат к классу

непрерывных функций,

а на переиенные наложены ограничения в форме неравенств. Принцип максимума имеет большое значение при рассмотрении проблем автома­ тического регулирования, различных технологических процессов и

т .д . [28,2$].

Если ни один из вышеперечисленных методов не дает возможности решать оптимизационную задачу, то используются методы н е л и - п е й н о г о п р о г р а м м и р о в а н и я . Поэтому их еще

называют

п р

я м ы м и м е т о д а м и . Они применяются,когда

функция

цели

нелинейна и присутствуют, ограничения (линейные и не­

линейные)

в форме равенств и неравенств.

При использовании методов нелинейного программирования непос­ редственно вычисляется функция цели, изменение величины которой и служит мерой эффективности приближения к оптимуму. Соотношения, определяющие критерий оптимальности, не обязательно должны записы­ ваться в явном виде. Задачи ясланейиого программирования могут быть решены только численными методами и поэтому требуют примене­ ния средств вычислительной техники.

Целевую функцию

 

 

можно рассматривать

как функцию, определенную в

Ц -мерном про -

странотве

переменных ; зависимость целевой функции от YI управ -

ляющих переменных образует п о в е р х н о с т ь

о т к л и к а

в ( ПН

) - мерном

пространстве. Для двух переменных поверхность

отклика представляет собой поверхность в трёхмерном пространстве,

как показано

на рис. 3-5

, заимствованном из

(351 .

Линии, соеди­

няющие равные

значения

целевой

 

ЗДДЬ 5Ц7

 

Функции

5

(

М,

. . . .

 

d|, ...> = 0 ^ ,

 

 

 

 

 

 

 

 

образуют, линии равного уровня

 

 

 

 

 

целевой функции (например, СЦ со­

 

 

 

 

 

ответствует

значению целевой

 

 

 

 

 

функции

48,23

тыс.руб/год ) ,

 

 

 

 

 

В общем случае

при отыска­

 

 

 

 

 

нии оптимума целевой функции не--

 

 

 

 

 

обходимо определить такие' значе-

 

 

 

 

 

ния параметров

X ,

, X;,

 

, . . . , ко­

’2Ц

26

-52

56

Т.ММ

торые обеспечивали

бы 'наименьшее

Рио.3 -5 . Расположение линий

(наибольшее)

значение

Ц (Х )во

равного

уровня в окрестностях

оптимума для двух дискретных

всей области

допустимых

значений

параметров: марки металлам и

параметров

X

 

 

 

диаметра

труб

пароперегревате­

 

 

 

ля О. котла блока

800 МВт.

 

 

 

 

 

 

 

45


Оптим ум ,

для

к о т о р о го

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

U O O s U ( X ) f . а

Х 0 Х ,

 

 

 

 

СЭ- ? 2)

назы вается

 

глобальны м ; если

условие ( 3 - 2 2 )

вы полняется в

точке

Л к

в некоторой

окрестности

Х

т

для

точек

Х

т

 

,

т . е .

 

 

 

 

 

 

 

 

 

 

 

U ( X K) * U ( X m) , a х т е х т е х ,

 

 

 

 

 

 

 

т о оптимум буд ет локальным.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Точка гл об а л ь н ого

оптимума обозначена

через

.

Q

 

на

р и с . 3 -5

и с о о т в е т с т в у е т

значению

целевой

функции

в

3 4 , 6 6

т ы с .р у б ./ г о д .

Из

рисунка видно

такж е ,

что

исследуемая допустимая

область изменения

параметров

 

М

 

н

d

 

является невы пуклой.

Это

следует

из

рассм от­

рения значений целевой функции в точ к а х пересечения коорд инат.

 

Большинство методов нелинейного программирования основано

на

движении

в

 

 

( И - Ч

)

-

мерном пространстве

в

направлении

оптим ум а.

При этом

из

н е к о то р о го

исход ного

с о с то я н и я ,

 

ха рактери зуем ого .сово ­

купностью

параметров

 

5ск , производится переход

к ' состоянию Х к+(

 

изменением

 

вектора

Х к

на

величину

 

д Х к

, та к

что

 

 

 

 

 

 

 

 

 

 

 

 

 

Х К+1 = Х К + ДХц;

,

 

 

 

 

 

 

 

 

 

 

 

гд е

й

Х

к

- шизмененияа г

вектора

Х

к

 

 

.

 

 

 

 

 

 

Хк

,

В

части

методов

ш аг опред еляется как

функция

состояния

т . е .

 

 

 

 

 

 

 

 

 

 

-

 

_

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

й Х *.=

(Х^)

 

 

 

 

 

 

 

 

 

 

 

н новое

состояние

за

шаг

 

д Х к

;

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

= Х К + д Х х ( Х к)

 

 

 

 

 

 

 

 

( 3 - 2 3 )

В д р у го й

части

методов

шаг

дХ«,

опред еляется

как

функция

н е -

скольких

предшествующих

состояний

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Д Х К =& Х к (Х к ,

 

 

 

, Х к_6) ,

 

 

 

 

 

 

 

 

 

 

а

Х к+(= х к + д Х <( Х к, х , . ь

. . . , х к. а) ,

 

 

 

( 3 - 2 4 )

 

 

 

 

 

 

 

 

 

 

В

зависимости

о т

способа определения

ш ага

д Х к методы

нелиней­

н о го

программ ирования

можно

разделить

на

три

группы

[

2 9 ,

30 ]

 

град иентны е, безградиентны е н методы случайного

поиска .

 

 

 

 

Градиентом назы вается производная целевой функции

по

нормали

к п оверхности

отклика

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Цех) =vll(X) = ^

^

 

 

 

 

(з-25)

Составляющие град и ента равны частным производным целевой функции по со о тв е тс тв ую ц ш управляющим переменным, т . е .

46


 

 

 

i t u a w i t o t i i ,

(3 -2 6 )

 

 

 

 

9 « 1

 

 

 

 

 

 

 

 

 

 

7nU ( x ^ M

i

 

 

 

 

 

оха

 

 

Кроне того,

вектор градиента целевой функции совпадает по

направлению с направлением нанохорейюего возрастания целевой

функции.

 

 

 

 

 

 

В г р а д и е н т н ы х

м е т о д а х поиск «тк н у т оояо-

ваи на вычислении н анализе производных целевой функции, А так'

как вид зависимости Ц(Х\

и производные

могут получать­

ся

настолько

оложными, что могут не иметь шспжой практической

ценности, то обычно пользуются приближенным соотношением

аиш, дат , цех.....,Xi^i,->xrt)-uoc,„-)Xi,.x,)j о-г?)

~ Щ

а - ,

 

и ~ ~

 

где

дХ( -

приранение независимой переменной

 

 

Один из градиентных методов -

метод релаксации-заключавтел

в отыскании

о с е в о г о

(по осям координат)

направления,вдоль

которого целевая функция уменмаетоя наиболее сильно(при воноке минимума). В начальной точке Хн (рко.Э-б а) для этого опреде­

ляются производные 1ИХ) по воем переменным. Нанбольному зна­ чению производной (по модулю) будет соответствовать и какбыотрей-

шее

убывание функции Ц (X)

. Шага осуществляются во направле­

нию

убывания целевой функция (

при прочих постоянных перемен­

ных ) до тех пор, пока не будет достигнуто минимальное значение


по забранному направлению. После этого снова определяются произ­ водные по всем переменным, за исключением той, по которой осу -* ществлядся спуск, снова определяется направление наискорейшего убывания целевой функции, осуществляются шаги по этому осевому направлению и т .д .

В другом методе-методе градиента - каждый шаг совершается не­ посредственно в направлении наибыстрейшего уменьшения функции це­ ли (р и с.3 -6 б ). В начальной точке также вычисляются значения част­

ных производных по всем независимым параметрам, осуществляется шаг в направлении наибыстрейшего убывания функции 11(Х) . При выполнении шага одновременно изменяются значения всех независи - мыхпеременных, причем эх приращения выбираются пропорциональны­ ми составляющей градиента по данной оси.

Следующий градиентный метод » метод наискорейшего спуска - со­ четает идеи метода релаксации и градиента. После нахождения гра­ диента и определения направления наискорейшего убывания функции

1Х(Х) в

исходной точке,

шаг делается в “этом направленииСрис.З-бв).

Если значение

функции в

этом

направлении

уменьшилось, то произ­

водится

шаг в

том же направлении ( л

до тех пор,

пока в этом

н а ,

правлении Не достигается

минимум ) ;

после

этого

вычисляется

гра­

диент

(производные по всем

переменным )

и определяется новое на­

правление, Как и в релаксационном методе, в методе наискорейше - го спуска каждое новое направление движения к оптимуму ортого -

надьно предшествующему, но не ориентировано относительно системы координат, Это увеличивает скорость сходимости:к оптимуму. По сравнению с методом градиента, эта скорость также увеличивается за счет сокращения вычисления производных в конце каждого шага.

Понятие градиента может быть использовано в задачах с целе­

выми функциями, имеющими несколько локальных экстремумов

для

поиска глобального

экстремума.

 

 

 

 

Например, метод " тяжелого шарика п основан на исследовании

процесса движения

тела

с массой

jc

("тяжелого

шарика ")

в сре­

де с вязкостью

 

под действием

силы

VU(X)

:

 

 

 

 

 

+ V

J ^ + v U (X ]rQ ,

 

(з -2 8 )

где

{ - время.

 

_

 

 

 

 

Целевая функция

Ц(Х)

, она же сила, зависящая от место -

положения

тела (

X

)

и времени,

определяется

интегрированием

уравнения

(3 - 2 8 ).

 

 

 

 

 

 

■ .

 

Наличие массы

 

р

позволяет благополучно

"проскакивать"

4 8


локальные

минимумы функции ШХ)

-

" Регулируя

" значения

р

и

^ можно гарантировать

нахождение глобального оптимума

целевой функции..

 

 

 

В

б с з г р а д и е н т п ы х

 

м е т о д а х

анализируются

не производные целевой функции, а

сравниваются значения самих

функций после выполнения очередного шага. Применяются при отсут­ ствии математического описания объектов оптикинации, чаще всего уже действующих. .

В методе покоординатного спуска (методе Гаусса-Зайделя) по - очередно изменяются все независимые переменные так , чтобы по каж­

дой из

них достигалось

наименьшее ( наибольшее ) значение функции

U (X)

. Очередность

изменения переменныхпроизвольна; поиск

минимума по каждой переменной - любой, например, метод поиска экстремума функции одной переменной»

В методе сканирования поочередно просматривается критерий оп­ тимальности в ряде точек, принадлежащих области изменения незави­

симых переменных; среди них находится

точка, в

которой достигает­

ся оптимум. При достаточной " густоте

" течек

гарантируется до­

стижение глобального оптимума.

 

 

Идея симплексного метода заключается в нахождении направления наибольшего уменьшения критерия оптимальности по известным значе­ ниям целевой фуккдаи. в вершинах выпуклого многограпикка-симплекса. Под симплексом понимается многогранник, имеющий в И. - мерном

пространстве ( II Ч

) вершин.

Симплексом в двухмерном пространст­

ве ( на плоскости•)

является,

таким образом, треугольник (р и с.3 -D .

Свойство сииши-кса заключается в том, что против любой из вершин

симплекса (например, 0,

)

расположе­

 

на только одна грань (

) ,

на

 

которой можно построить новый симп­

 

лекс, отличаюа|ийся от прежнего рас­

 

положения новой вершины

СЦ ,

тогда

 

как остальные вершины обоих симплек­

 

сов совпадают.

 

 

 

 

 

 

При поиске наименьшего значения

 

целевой функции ( в нашем примере

 

двух переменных) вычисляются ее зна­

 

чения в точках

0.

, В

и

С .

Из

Р и с,3 -7 . Поиск оптимума

найденных значений

целевой функции

выбирается наибольшее

( на рис.3-7

симплексным методом

это течка а

) .

Затем

стооится

но­

 

вый симплекс

-

вершина

d

замеая-