Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Опорний конспект новий (..13).docx
Скачиваний:
5
Добавлен:
01.07.2025
Размер:
1 Мб
Скачать
☆

2. Планування імітаційних експериментів у процесі оптимізації систем

Проведення експериментів (натурних чи імітаційних) для пошуку оптимальних рішень полягає в реалізації деякої обчислювальної схеми знаходження екстремумів невідомої функції відгуку на заданій множині точок факторного простору. Нині розроблено численні наближені методи оптимізації, проте ефективність кожного з них істотно залежить від вигляду функції відгуку.

Головна складність постановки експериментів для оптимізації сис­тем полягає в тому, що експериментатор не має відомостей про властивості функції відгуку. Отже, після закінчення експерименту, який реалізує деяку схему пошуку екстремуму, не може бути цілковитої впевненості в тому, що здобутий розв'язок є оптимальним. Під час виконання особливо відповідальних розрахунків для підвищення надійності результатів доціль­но використовувати комбінації різних методів оптимізації.

Нагромаджений досвід розв'язування нелінійних оптимізаційних економіко — математичних задач у теорії керування запасами та календарно­му плануванні дає змогу зробити деякі узагальнені висновки щодо власти­востей функцій відгуку, що відображують оптимізаційний процес в економіко-виробничих системах.

У загальному випадку функція відгуку (цільова функція) є багатоекстремальною, тобто має багато локальних екстремумів, серед яких може бути й кілька абсолютних. З огляду на це потрібно обережно використову­вати методи напрямленого (детермінованого чи випадкового) пошуку екстремуму.

Друга важлива властивість оптимізаційних економіко — математичних моделей полягає в тому, що в області екстремумів функція відгуку є "'гладкою", тобто варіювання змінних у цій області не спричиняється до помітних змін значень цільової функції. Це полегшує пошуки оптимальних розв'язків, оскільки за умов неточної вхідної інформації (чим характерні економічні задачі) для практичних цілей досить дістати результат, близький до оптимального.

Принципово можливі два способи знаходження екстремуму фунукції відгуку:

(10.3)

Перший полягає в тому, що за допомогою експериментальних дослі­джень визначається математична модель функції відгуку, яка потім дослі­джується на екстремум класичними методами диференціального числення. З цією метою обчислюються частинні похідні функції відгуку і відшукуються стаціонарні точки розв’язування системи рівнянь Розв'язок системи може бути точкою оптимуму функції відгуку. У цьому переконуються або з допомогою формальних методів, або на підставі інтуїтивних міркувань.

Важливим моментом в описаному способі оптимізації є знаходження частинних похідних функції відгуку і обчислення точок, в яких похідні набувають нульових значень. Похідні функції відгуку можна визначити і без використання її математичної моделі. Для цього з допомогою повного чи дробового факторного плану досить знайти коефіцієнти лінійної регресії, що є статистичними оцінками коефіцієнтів ряду Тейлора:

( (10.4)

3. Оптимізація систем за методом Бокса – Уїлсона

Задача пошуку екстремуму функції відгуку (параметра оптимізації) зводиться до визначення точок в яких коефіцієнти лінійної регресії дорівнюють нулю. На цій умові базується другий спосіб оптиміза­ції систем, запропонований Боксом та Уїлсоном (1951 р). Тому описаний далі метод має назву метод Бокса – Уїлсона. У спеціальній літературі він відомий і як метод крутого сходження (при визначенні точки максимуму).

Розглянемо загальну схему методу.

Спочатку вибирається точка (одна або кілька) факторного простору, яка за інтуїтивними міркуваннями може міститися поблизу точок екстремуму. Якщо немає жодних додаткових відомостей на користь пріоритету “екстремальності” деяких точок факторного простору, то початкова точка вибирається за методом Монте-Карло: значення рівнів факторів рівномірно і випадково генеруються в заданих межах їх змінювання.

В околі початкової точки за описаними правилами ставиться повний чи дробовий факторний експеримент. Потім проводиться статистичне дослідження здобутої лінійної регре­сії щодо перевірки однорідності дисперсій, значущості коефіцієнтів регре­сії, адекватності моделі. Фактично в околі початкової точки функція відгуку замінюється деякою гіперплощиною, коефіцієнти при лінійних членах якої є коефіцієнтами регресії:

(10.5)

Якщо початкова точка не є підозрілою на екстремум, тобто не всі ко­ефіцієнти статистично незначущі, то коефіцієнти регресії використовують­ся для визначення напряму руху до стаціонарної точки (надалі для визначе­ності розглядатимемо лише випадок максимізації функції відгуку). Круте сходження до точки максимуму відбувається за напрямом градієнта, який визначає напрям найшвидшого зростання функції:

, (10.6)

де — одиничні вектори в напрямі координатних осей, що відпо­відають факторам .

Вихідною точкою руху в напрямі крутого сходження є початкова то­чка в околі якої здобуто апроксимуючу гіперплощину. У вибраному напрямі в кількох точках факторного простору обчислюються значення функції відгуку, тобто в них провадяться експериментальні (імітаційні) спроби для визначення функції відгуку.

Експериментальне відшукання значень функції відгуку в напрямі крутого сходження триває доти, доки не трапиться точка, в якій значення функції відгуку буде більшим, ніж у решті точок (включаючи точки з вищими індексами). Знайдена точка використовується як нова початкова точ­ка планування експерименту.

Після кількох ітерацій дістаємо точку, в якій усі коефіцієнти лінійної регресії будуть статистично незначущі, тобто bi 0 . Це оз­начає, що локальна гіперплощина майже горизонтальна і не дає змоги виб­рати наступний напрям руху до максимуму. Дана точка є підозрілою точ­кою щодо екстремуму, тобто вона може бути точкою локального максиму­му.

Для прийняття остаточного рішення необхідно ретельно дослідити функцію відгуку в підозрілій точці.

Оскільки досліджувана поверхня відгуку в заданих межах змінюван­ня факторів може мати кілька локальних екстремумів, за результатами од­нієї реалізації методу Бокса – Уїлсона не можна стверджувати, що знайдено глобальний екстремум. Серію експериментів за допомогою цього методу потрібно повторити кілька разів, починаючи рух із випадково вибраних і рівномірно розкиданих у факторному просторі точок.