Вторичная оптимизация
Cтраница 1
 |
Самонастраивающиеся фильтры. [1] |
Вторичная оптимизация применяется для совершенствования алгоритма разомкнутой самонастройки, и заключается во введении управления некоторыми параметрами на основе анализа отклонения текущего режима от оптимального. Таким образом, на этом этапе разомкнутые цепи управления некоторыми параметрами заменяются контурами самонастройки по замкнутому или разомкнуто-замкнутому циклу. [2]
Задача вторичной оптимизации представляется как оперативная выработка более точной технологической инструкции, учитывающей конкретную информацию о качестве сырья и продукции, достигнутых скоростях и других условиях процессов, пределах экономичной нагрузки агрегатов, действительной стоимости сырья, материалов, продукции и прочих технико-экономических показателях. [3]
Основным подходом при решении задач вторичной оптимизации оперативно-организационного управления в цехах следует считать декомпозицию ( разделение) общей задачи управления на ряд подзадач, независимых или связанных параметрически. [4]
Математические методы, используемые для вторичной оптимизации оперативно-организационного управления, основаны на моделировании основных технологических процессов, прогнозировании графика работ в цехе и принятии оптимальных решений по корректировке полученного графика. Для принятия решений весьма эффективным по диапазону применения, результатам расчетов и используемым вычислительным средством является метод динамического программирования в следующем варианте. [5]
При этом основными этапами следует считать первичную и вторичную оптимизацию системы. [6]
Ошибки цепей самонастройки по замкнутому циклу & ai вычисляются согласно критериям вторичной оптимизации Q -, которые могут совпадать с критерием первичной оптимизации, зависящим от ошибки е или от выходного сигнала х и возможно от других промежуточных переменных. Для вычисления ошибок цепей самонастройки должны использоваться сигналы ( е, х), так как на них влияют все изменения настраиваемых параметров и характеристик внешних воздействий. [7]
Хотя в этом кратком обзоре подходов к оптимизации особое ударение делается на минимизацию времени выполнения, в качестве вторичной оптимизации может быть получена и некоторая экономия пространства используемой памяти. Например, так как в циклах используется обычное ( разрушающее) присваивание счетчику ( или нескольким счетчикам), то очевидно, что они эффективны также и по отношению к использованию памяти. Кроме того, разработаны и схемы преобразования, имеющие в качестве главной цели оптимизацию используемой памяти. [8]
 |
Структурная схема нейрона. [9] |
Базовые понятия теории адаптивных систем следующие: входной и выходной сигнал, же лаемый выходной сигнал; функционал первичной и вторичной оптимизации; алгоритмы поиска экстремума функционала вторичной оптимизации как алгоритмы управления в НС. [10]
 |
Структурная схема нейрона. [11] |
Базовые понятия теории адаптивных систем следующие: входной и выходной сигнал, же лаемый выходной сигнал; функционал первичной и вторичной оптимизации; алгоритмы поиска экстремума функционала вторичной оптимизации как алгоритмы управления в НС. [12]
Представленная в [26] общая методика решения задач в нейросете-вом логическом базисе ( НСЛБ) заключается в следующем ( рис. 7.4): определение понятия входного сигнала НС, решающей поставленную задачу; определение понятия выходного сигнала НС, решающей поставленную задачу; формирование критерия и функционала первичной оптимизации; определение понятия ошибки в системе; формулировка функционала вторичной оптимизации и преобразования, формирующего сигнал, второй момент распределения которого соответствует функционалу первичной оптимизации; определение структуры разомкнутой НС; определение градиента функционала вторичной оптимизации через сигналы в системе или знака градиента функционала; формирование процедуры поиска экстремума функционала вторичной оптимизации в системе; формирование алгоритма настройки коэффициентов НС. [13]
Представленная в [26] общая методика решения задач в нейросете-вом логическом базисе ( НСЛБ) заключается в следующем ( рис. 7.4): определение понятия входного сигнала НС, решающей поставленную задачу; определение понятия выходного сигнала НС, решающей поставленную задачу; формирование критерия и функционала первичной оптимизации; определение понятия ошибки в системе; формулировка функционала вторичной оптимизации и преобразования, формирующего сигнал, второй момент распределения которого соответствует функционалу первичной оптимизации; определение структуры разомкнутой НС; определение градиента функционала вторичной оптимизации через сигналы в системе или знака градиента функционала; формирование процедуры поиска экстремума функционала вторичной оптимизации в системе; формирование алгоритма настройки коэффициентов НС. [14]
Представленная в [26] общая методика решения задач в нейросете-вом логическом базисе ( НСЛБ) заключается в следующем ( рис. 7.4): определение понятия входного сигнала НС, решающей поставленную задачу; определение понятия выходного сигнала НС, решающей поставленную задачу; формирование критерия и функционала первичной оптимизации; определение понятия ошибки в системе; формулировка функционала вторичной оптимизации и преобразования, формирующего сигнал, второй момент распределения которого соответствует функционалу первичной оптимизации; определение структуры разомкнутой НС; определение градиента функционала вторичной оптимизации через сигналы в системе или знака градиента функционала; формирование процедуры поиска экстремума функционала вторичной оптимизации в системе; формирование алгоритма настройки коэффициентов НС. [15]
Страницы: 1 2