Оптимум - целевая функция
Cтраница 1
Оптимум целевых функций по минимаксным критериям определяется как композиция локальных решений, полученных на каждом шаге алгоритма. [1]
Когда оптимум целевой функции найден, полезно провести анализ отклонений рассчитанных значений свойств от соответствующих экспериментальных значений. В идеале среднее отклонение должно быть нулевым, среднеквадратичное равно принятым значениям экспериментальных погрешностей, а распределение qa j - нормальным. [2]
По скорости определения оптимума целевой функции генетические алгоритмы на несколько порядков превосходят случайный поиск. Причина этому заключается в том, что большинство систем имеют довольно независимые подсистемы. Генетический алгоритм позволяет накапливать удачные решения для таких систем в целом. [3]
С появлением ограничений поиск оптимума целевой функции существенно осложняется. Во-первых, в условиях оптимальности должен учитываться тот факт, что наибольшее значение функции, заданной в некоторой допустимой области, может достигаться не в стационарной точке целевой функции, а на границе области. Во-вторых, вычислительные методы должны строиться с учетом возможности движения вдоль границы области. [4]
 |
К определению производной от функции R ( х по направлению /. [5] |
Однако и для определения положения оптимума целевой функции, даже в том случае, когда заранее известно, что функция имеет только один оптимум, являющийся глобальным, отыскание решения часто представляет собой задачу далеко не тривиальную, поскольку это связано с операциями поиска в я-мер-ном пространстве. [6]
Допустим, что в точке оптимума целевой функции F, изображенной на рис. 7.5, при наличии ограничения Н - 0 удовлетворяются соотношение Я 0 и F А. [7]
Постоянная С не влияет на положение оптимума целевой функции, а только сказывается на ее величине. [8]
Определим оптимальное решение для двойственной задачи и оптимум целевой функции двойственной задачи, используя теоремы двойственности. [9]
При этом в начале оптимизации, когда об оптимуме целевой функции вообще ничего не известно или известны приближенные значения параметров ХП, которые применяются на практике, но не известно, насколько далеки они от оптимальных, необходимо вести поиск в некоторой небольшой, случайным образом выбранной области с тем, чтобы расположить следующие пробные воздействия там, где значение целевой функции ниже, ближе к предполагаемому минимуму. [10]
Эти особенности выявляются при анализе изменения координат и значения относительного оптимума целевой функции (V.13), если некоторые независимые переменные фиксируются на заданном значении, а остальные определяются заново по процедурам А и В. [11]
 |
Х-28. Прямой поиск с возвратом для задач с ограничениями типа равенств. [12] |
Недостаток рассмотренного метода поиска заключается в том, что когда оптимум целевой функции расположен на значительном удалении от гиперповерхности ограничений, скорость движения к условному оптимуму, находящемуся на гиперповерхности, мала и к тому же существенно замедляется при приближении к нему. [13]
Управляющее устройство в результате коррекции управляющих переменных должно обеспечить поиск и достижение оптимума целевой функции. Такое управление наиболее удобно осуществлять с помощью УВМ. [14]
Следует отметить, что не все входные параметры в уравнениях состояния объекта существенно влияют на достижение оптимума целевой функции. Часть из них и2 может принимать произвольные значения без явных помех для достижения требуемого оптимума. То же относится и к координатам состояния. Так, например, температура жидкости в сборнике несущественна для регулирования заполнения сборника, а имеет значение, когда в сборнике протекает реакция, ход которой мы оптимизируем. [15]
Страницы: 1 2 3 4