Глобальная оптимизация

Cтраница 2

Основная их особенность состоит в том, что глобальная оптимизация целевой функции заменяется оптимизацией на каждом шаге алгоритма. [16]

Рассмотрим такой метод, основанный на переходе от глобальной оптимизации к локальной. [17]

Таким образом, на уровне ГДП решается задача перспективной глобальной оптимизации ( 299), определяющая управляющие воздействия для получения y m ( t) природного газа из / с ( 0) скважин, i ( 1) ( 0 осушенного природного газа и z / i ( 6) ( 0 стабильного конденсата, а также задача оперативной глобальной оптимизации, реализующая критерий ( 300) и технологические ограничения. [18]

Одним из источников идей новых методов ( квази) глобальной оптимизации является моделирование процессов в физических и биологических системах. [19]

Структурная схема иерархической. [20]

Такая многоуровневая иерархическая распределенная, СА с ММЭВМ робеспечивает глобальную оптимизацию на уровне поля и контроль в реальном масштабе времени соотношения между выпускаемым газом и полученной нефтью. Разработанная СА обладает модульной конструкцией, допускающей дальнейшее развитие и совершенствование системы по мере завершения разведочных работ. Портативный пульт оператора этой системы может быть подключен к каждой скважине при ее контроле с вертолета. Благодаря пульту вся интересующая обслуживающий персонал информация фиксируется и представляется с помощью приборов и индикаторов. [21]

Из-за случайного характера определения начальных точек в Dlh 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. [22]

Во всех этих инженерных подходах к оптимизации сложных систем вместо глобальной оптимизации используется независимая оптимизация подсистем на разных иерархических уровнях детализации системы в целом. [23]

Кроме того, проведение локальной оптимизации часто заслоняет необходимость проведения глобальной оптимизации. Все это является результатом неполноты анализа проблемы. [24]

Из-за случайного характера определения начальных точек в Dzh 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. [25]

При этом особое значение приобретают декомпозиционные методы, позволяющие решать многомерную задачу глобальной оптимизации ГДП, разбивая ее на несколько задач меньшей размерности, что соответствует выделению трех этапов оптимизации. [26]

Однако предъявление к машинонезависимой оптимизации такого требования недостаточно для обеспечения высокого уровня глобальной оптимизации программы. [27]

Ло кальная оптимизация проводится в пределах оператора ( линейно го участка программы), а для глобальной оптимизации требует ся построение графа программы и организация его просмотра m тем или иным признакам, именам переменных, подвыражениям Оптимизация на линейном участке реализуется существенно про ще, однако при этом возникает задача выявления таких участ ков. Ниже приводятся некоторые из известных методов оптпми зации [9] и рассматриваются способы их реализации. [28]

Значительное расширение пространства управляющих воздействий при добавлении интенсифицирующих физических воздействий позволяет в принципе ставить и решать задачу глобальной оптимизации как технологического процесса, так и конструкции аппарата на всем возможном множестве переменных. Исключение же большого класса физических воздействий из рассмотрения в традиционной технологии и методах ее оптимизации не позволяет корректно говорить о поиске глобально оптимальных решений. [29]

Методы поиска экстремума классифицируются по следующим признакам: в зависимости от характера экстремума существуют методы условной и безусловной, локальной и глобальной оптимизации; по числу переменных проектирования различают методы одномерного и многомерного поиска, а по характеру информации о виде целевой функции - методы нулевого, первого и второго порядков, причем в методах первого порядка используют градиент целевой функции, поэтому эти методы называются градиентными, в методах второго порядка применяют вторые производные, а в методах нулевого порядка производные не используют. [30]

Страницы: 1 2 3 4