- Главная
- Менеджмент
- ТПР. Метод однофакторной оптимизации. (Занятие 4)
Содержание
- 2. 2 Для защиты от подобных промахов полезно предварительно оценить характер функции К = f(X). Попробуем сделать
- 3. 2 Для защиты от подобных промахов полезно предварительно оценить характер функции К = f(X). Попробуем сделать
- 4. 2 Для защиты от подобных промахов полезно предварительно оценить характер функции К = f(X). Попробуем сделать
- 5. 2 Для защиты от подобных промахов полезно предварительно оценить характер функции К = f(X). Попробуем сделать
- 6. 2 Для защиты от подобных промахов полезно предварительно оценить характер функции К = f(X). Попробуем сделать
- 7. 2 ВЫВОД 1: Зависимость суммы длин продольных участков магистралей от продольной координаты распределителя является кусочно-линейной функцией,
- 8. 2 Разобравшись с однопараметрическим прогнозированием, двигаемся дальше
- 9. 2 5. МНОГОПАРАМЕТРИЧЕСКАЯ ОПТИМИЗАЦИЯ ОБЪЕКТ ОПТИМИЗАЦИИ . . . . . . . Хn Х1 Х2
- 10. 2 Папуасы Новой Гвинеи, культуру и быт которых исследовал русский этнограф, антрополог, биолог и путешественник Николай
- 11. 2 Поскольку мы с Вами живём в трёхмерном пространстве (если не принимать во внимание время и
- 13. Скачать презентацию
2
Для защиты от подобных промахов полезно предварительно оценить характер функции
2
Для защиты от подобных промахов полезно предварительно оценить характер функции
с оптимизацией расположения распределителя в помещении длиной L.
Допустим, нашу трёхмерную задачу мы разделили на три одномерные, и ищем оптимальное значения продольной координаты распределителя, двигая его от одной стенки помещения, где расположены потребители, к другой стенке, попутно вычисляя сумму длин всех продольных участков магистралей,
соединяющих распределитель с потребителями:
Как будет выглядеть графическое отображение этой функции?
К1х
Х
Хп1
Хп3
Хп2
Хп4
Хп5
0
L
1-й этап: перемещение распределителя
от стенки (Хр=0) до продольной
координаты 1-го потребителя (Хр=Хп1)
На этом этапе распределитель будет
приближаться ко всем потребителям,
поэтому сумма длин всех продольных
участков магистралей, соединяющих
распределитель с потребителями,
будет уменьшаться.
2
Для защиты от подобных промахов полезно предварительно оценить характер функции
2
Для защиты от подобных промахов полезно предварительно оценить характер функции
с оптимизацией расположения распределителя в помещении длиной L.
Допустим, нашу трёхмерную задачу мы разделили на три одномерные, и ищем оптимальное значения продольной координаты распределителя, двигая его от одной стенки помещения, где расположены потребители, к другой стенке, попутно вычисляя сумму длин всех продольных участков магистралей,
соединяющих распределитель с потребителями:
Как будет выглядеть графическое отображение этой функции?
К1х
Х
Хп1
Хп3
Хп2
Хп4
Хп5
0
L
2-й этап: перемещение распределителя
от продольной координаты 1-го потре-
бителя (Хр=Хп1) до продольной коорди-
наты 2-го потребителя (Хр=Хп2)
На этом этапе распределитель будет
удаляться от потребителя 1, но прибли-
жаться ко всем остальным потребителям,
поэтому сумма длин всех продольных
участков магистралей продолжит умень-
шаться, но уже не так интенсивно.
2
Для защиты от подобных промахов полезно предварительно оценить характер функции
2
Для защиты от подобных промахов полезно предварительно оценить характер функции
с оптимизацией расположения распределителя в помещении длиной L.
Допустим, нашу трёхмерную задачу мы разделили на три одномерные, и ищем оптимальное значения продольной координаты распределителя, двигая его от одной стенки помещения, где расположены потребители, к другой стенке, попутно вычисляя сумму длин всех продольных участков магистралей,
соединяющих распределитель с потребителями:
Как будет выглядеть графическое отображение этой функции?
К1х
Х
Хп1
Хп3
Хп2
Хп4
Хп5
0
L
3-й этап: перемещение распределителя
от продольной координаты 2-го потре-
бителя (Хр=Хп2) до продольной коор-
динаты 3-го потребителя (Хр=Хп3)
На этом этапе распределитель будет
удаляться от двух потребителей, но при-
ближаться к трём, поэтому сумма длин
всех продольных участков магистралей
продолжит уменьшаться, но уже совсем
медленно.
2
Для защиты от подобных промахов полезно предварительно оценить характер функции
2
Для защиты от подобных промахов полезно предварительно оценить характер функции
с оптимизацией расположения распределителя в помещении длиной L.
Допустим, нашу трёхмерную задачу мы разделили на три одномерные, и ищем оптимальное значения продольной координаты распределителя, двигая его от одной стенки помещения, где расположены потребители, к другой стенке, попутно вычисляя сумму длин всех продольных участков магистралей,
соединяющих распределитель с потребителями:
Как будет выглядеть графическое отображение этой функции?
К1х
Х
Хп1
Хп3
Хп2
Хп4
Хп5
0
L
4-й этап: перемещение распределителя
от продольной координаты 3-го потре-
бителя (Хр=Хп3) до продольной коор-
динаты 4-го потребителя (Хр=Хп4)
На этом этапе распределитель будет
удаляться от трёх потребителей, а при-
ближаться к двум, поэтому сумма длин
всех продольных участков магистралей
начнёт увеличиваться, правда пока ещё
медленно.
2
Для защиты от подобных промахов полезно предварительно оценить характер функции
2
Для защиты от подобных промахов полезно предварительно оценить характер функции
с оптимизацией расположения распределителя в помещении длиной L.
Допустим, нашу трёхмерную задачу мы разделили на три одномерные, и ищем оптимальное значения продольной координаты распределителя, двигая его от одной стенки помещения, где расположены потребители, к другой стенке, попутно вычисляя сумму длин всех продольных участков магистралей,
соединяющих распределитель с потребителями:
Как будет выглядеть графическое отображение этой функции?
К1х
Х
Хп1
Хп3
Хп2
Хп4
Хп5
0
L
Я полагаю, суть происходящего Вы
уже поняли, поэтому нет необходимости
подробно объяснять, как дальше будет
изменяться наш критерий.
Созерцание полученного графика
позволяет сделать ряд полезных
выводов
2
ВЫВОД 1:
Зависимость суммы длин продольных участков магистралей от продольной координаты
распределителя является
2
ВЫВОД 1:
Зависимость суммы длин продольных участков магистралей от продольной координаты
распределителя является
соответствующих продольным координатам потребителей.
ВЫВОД 2:
Из вывода 1 следует, что минимум критерия может располагаться только в точках
перегиба. Значит, в алгоритме поиска достаточно распределителю задать продольные
координаты потребителей, вычислить соответствующие значения критерия и выбрать
ту координату, которая даст наилучшее значения критерия.
ВЫВОД 3:
Достаточно очевидно, что эти соображения справедливы и для других координат (поперечной и вертикальной). Значит, количество шагов N для решения трёхмерной оптимизационной задачи определяется формулой:
N = 3n
где n − количество потребителей
Обратившись к результатам, полученным в Презентации-3, можем констатировать,
что проведённое исследование свойств объекта оптимизации позволило гарантировать
отсутствие риска пропуска оптимального решения при минимальном количестве
опытов математического эксперимента.
ВЫВОД 4: Получив задание построить мост, полезно предварительно подумать,
как следует его строить: вдоль реки или поперёк!
2
Разобравшись с однопараметрическим прогнозированием, двигаемся дальше
2
Разобравшись с однопараметрическим прогнозированием, двигаемся дальше
2
5. МНОГОПАРАМЕТРИЧЕСКАЯ ОПТИМИЗАЦИЯ
ОБЪЕКТ
ОПТИМИЗАЦИИ
. . . . . . .
Хn
Х1
Х2
К
Кmax
Кmin
или
{Х1*, Х2*, .
2
5. МНОГОПАРАМЕТРИЧЕСКАЯ ОПТИМИЗАЦИЯ
ОБЪЕКТ
ОПТИМИЗАЦИИ
. . . . . . .
Хn
Х1
Х2
К
Кmax
Кmin
или
{Х1*, Х2*, .
5.1 Аналитическая оптимизация в многомерном пространстве
Отличается от
одномерной
только тем, что
для поиска
экстремума
используется
система
уравнений:
Условие применимости метода те же: все функции К=f(Xi) должны быть дифференцируемы на всём диапазоне возможных изменений Xi. Если условие не соблюдается – надо переходить к дискретным методам оптимизации (спускаться ниже в средней колонке классификации).
Некоторая тонкость заключается в том, что решение
может оказаться за пределами области, ограниченной
диапазонами возможных изменений параметров Xi
(т.е. внутри области экстремума нет). В таком случае
оптимум надо искать на границе области. На какой?
На той, которая даст наилучший результат.
2
Папуасы Новой Гвинеи, культуру и быт которых исследовал русский этнограф, антрополог,
2
Папуасы Новой Гвинеи, культуру и быт которых исследовал русский этнограф, антрополог,
различали четыре количественных меры: один, два, три и много.
Прежде всего, уточним, что мы будем в дальнейшем понимать под термином
«многопараметрический».
Специалисты в области теории принятия решений смотрят на вещи несколько проще:
всё, что больше одного, они называют «много». Следуя в этом русле, и мы с Вами
ограничимся рассмотрением особенностей оптимизации объекта, имеющего только
2 изменяемых параметра (фактора). На сути методов это не сказывается, но зато предо-
ставляет возможность наглядной иллюстрации рассматриваемых алгоритмов.
2
Поскольку мы с Вами живём в трёхмерном пространстве (если
не
2
Поскольку мы с Вами живём в трёхмерном пространстве (если
не
о наличии 11 измерений), у нас есть возможность наглядно пред-
ставить функцию К = f(X1, X2) в виде некоторой поверхности в прямо-
угольной системе координат (спасибо Рене Декарту!)
Если речь идёт о поиске максимума,
эта поверхность будет иметь вид «горы»,
координаты вершины которой и дадут
искомую комбинацию значений варьи-
руемых параметров X1 и X2.
В аксонометрии это может выглядеть
примерно так.
Понятно, что при поиске минимума
придётся спускаться на дно
«горного ущелья».
Работать с аксонометрией не очень удобно, поэтому воспользуемся тем приёмом,
который применяют картографы для изображения рельефа местности на плоских
картах: они наносят на план местности линии равного уровня.