Оптимум - целевая функция
Cтраница 2
Следует отметить, что не все входные параметры в уравнениях состояния объекта существенно влияют на достижение оптимума целевой функции. Часть из них н2 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. [16]
Основная идея методов случайного поиска заключается в том, чтобы перебором случайных совокупностей значений независимых переменных найти оптимум целевой функции или направление движения к нему. [17]
Соотношения ( IX, 28) и ( IX, 30) представляют собой дискретные алгоритмы поиска оптимума целевой функции. [18]
Удобство данного критерия заключается в том, что для его оптимизации можно применять методы квадратичного или выпуклого программирования, что существенно облегчает поиск оптимума целевой функции. [19]
Основой метода ЭВОП в применении к плохо определенным процессам является итерационная процедура, с помощью которой переменные управления корректируются таким образом, чтобы в итоге достичь оптимума целевой функции. [20]
Эта процедура подобна симплекс-методу решения задач линейного программирования, рассмотренному в § 7.6, в том смысле, что каждая итерация организуется таким обра-зом, чтобы приблизиться к оптимуму целевой функции. [21]
 |
Х-28. Прямой поиск с возвратом для задач с ограничениями типа равенств. [22] |
Поиск прекращается, если расстояние между точками гиперповерхности ограничений, в которые происходит возврат после двух последующих нарушений условия ( IX180), не превышает заданной точности определения положения оптимума целевой функции. [23]
Наряду с методами детерминированного поиска оптимума, существует большая группа безградиентных методов случайного поиска, основная идея которых заключается в том, чтобы перебором случайных совокупностей значений независимых переменных найти оптимум целевой функции или направление движения к нему. [24]
Поэтому спуск на данную гиперповерхность в процессе минимизации функции Н ( х) ( IX161) с фиксированными значениями некоторых независимых переменных может привести к существенному отклонению от направления движения к оптимуму целевой функции. [25]
В методе сопряженных градиентов оптимум целевой функции ищется на основе свойств орготональности приращений вектора градиентов. Для этой цели наряду с градиентом используют матрицу Гессе Г критерия оптимальности. С помощью матрицы Г удается выбрать направление поиска, наиболее полно учитывающее особенности критерия оптимальности. [26]
Поскольку заранее число локальных оптимумов р целевой функции не известно, становятся очевидными трудности, которые могут встретиться при отыскании глобального оптимума, так как для этого необходимо, вообще говоря, найти и проверить все без исключения локальные оптимумы, имеющиеся у целевой функции решаемой задачи. 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 п-мерпом пространстве. [27]
В ходе преобразований может быть выявлено, что все технологические процессы необходимы для получения заданного ассортимента целевых продуктов. В этом случае структурная оптимизация НПЗ невозможна и оптимум целевой функции может быть достигнут только за счет перераспределения потоков, если в структуре содержатся фиктивные процессы их разделения. Отсутствие процессов разделения потоков приводит к задаче целочисленного дискретного программирования, а наличие - к задаче частично целочисленного программирования с булевыми переменными. [28]
В зависимости от конкретного содержания задачи оптимизация целевой функции ( 1) может иметь смысл максимизации или минимизации. В рассматриваемых ниже алгоритмах п примерах всегда указывается характер искомого оптимума целевой функции. Кроме того, любая задача целочисленного программирования может включать ограничения в виде неравенств () и равенств. [29]
Результаты решения задачи линейного программирования применяются для корректировки переменных управления. Этот итерационный процесс повторяется до тех пор, пока не будет достигнут оптимум целевой функции. [30]
Страницы: 1 2 3 4