Процедура - оптимизация
Cтраница 3
Систематический ход процедуры оптимизации состоит в следующем. [31]
Геометрически в процедуре оптимизации на многообразии мы двигаемся по направлению к точке, которая оптимизирует целевую функцию на многообразии. Если оптимальная точка многообразия окажется недопустимой, в качестве новой точки берется ближайшая к оптимальной точке многообразия допустимая точка, лежащая на отрезке прямой между предыдущей точкой и точкой, оптимальной на многообразии. Присоединяя это ограничение к предыдущему многообразию, получаем новое многообразие и двигаемся к точке, оптимальной в этом новом многообразии. [32]
 |
Схема отбора хромосом в новую популяцию. [33] |
Таким образом, процедура оптимизации с помощью генетического алгоритма является итерационной и включает два повторяющихся этапа: 1) синтез новых хромосом ( скрещивание и мутация); 2) отбор хромосом в новую популяцию. Процесс продолжается до тех пор, пока не будет получено а) оптимальное решение или б) заданное число поколений. При этом каждая последующая популяция должна быть лучше предыдущей. Если условие останова обучения по а) не может быть выполнено, то происходит завершение процедуры обучения по б) с выбором элитной хромосомы в одном или нескольких поколениях. В зависимости от вида используемых генетических операторов и схемы отбора, могут быть сконструированы различные генетические алгоритмы, каждый из которых будет эффективным с точки зрения скорости сходимости и наилучшего приближения к экстремуму при решении реальных задач. [34]
На следующем этапе процедуры оптимизации в каждый контур включается регулятор и выбираются такие А и В, которые минимизируют / j e модели. [35]
Однако в отношении процедур оптимизации и принятия решений желательная степень общности и унификации пока не достигнута. Интегрированные средства принятия решений, подобные разработанным для моделирования с помощью метода конечных элементов в стандарте ISO 10303 - 104, не созданы. Основная причина этого заключается в сложности как постановки многих задач проектирования и управления, так и построения эффективных вычислительных процедур оптимизации. В то же время практическая потребность в методиках принятия обоснованных, близких к оптимальным решений довольно велика. Особая значимость придается методикам оптимизации на этапах концептуального проектирования и логистической поддержки производства сложной техники, так как именно на этих этапах материальные и временные потери от нерациональных решений наиболее значительны. [36]
Первая стадия представляет собой действительную процедуру последовательной оптимизации. Она включает оптимизацию скорости нагрева на каждом сегменте с последующей оптимизацией длительности предшествовавшего изотермического периода. В качестве примера в работе [13] описана программа, которая начинается с ввода образца ( без деления потока) при 100 С. Далее следует быстрый нагрев ( 30 С / мин) до начальной температуры программы, равной 150 С. Навеем своем протяжении ( от 150 до 250 С) программа разделена на пять неизотермических сегментов в 20 С каждый. [37]
Не останавливаясь на процедуре оптимизации высотного положения трубопровода, описание которой было дано несколько выше, сосредоточим внимание на процессе размещения гнутых вставок. [38]
Нетрудно показать, что процедура оптимизации завершается и что она полна. [39]
С этого момента начинается процедура последовательной оптимизации. Сначала оптимизируется последний сегмент программы ( 230 - 250 С), с тем чтобы увеличить число пиков, различимых на хроматограмме. Для этого наклон сегмента последовательно уменьшается с 30 С / мин до 8 4 и 2 67 С / мин. Если уменьшение наклона не приводит к увеличению числа пиков, то скорость нагрева сохраняется прежней, предшествующей уменьшению. Длительность отрезка увеличивалась от 0 до 1, 2 и 3 мин до тех пор, пока не прекращался рост числа наблюдаемых пиков. [40]
В работе [13] описана процедура последовательной оптимизации программирования температуры в ГХ для систематического поиска оптимальной многосегментной программы. Эта процедура состоит из трех следующих стадий. [41]
В настоящей работе рассматривается процедура оптимизации параметров колебательной системы высокоскоростной ультрацентрифуги при вынужденных колебаниях ее зонтичного ротора. [42]
Первый недостаток подразумевает удлинение процедуры оптимизации. Следовательно, приходится жертвовать одним из наиболее важных преимуществ интерпретативных методов - небольшим числом необходимых экспериментов. Однако при использовании полностью автоматизированных систем от оператора не требуется больших усилий. [43]
Эти блоки должны пбДЕергнуться процедурам оптимизации. [44]
Поэтому применительно к программируемому анализу процедура оптимизации, требующая большого числа экспериментов, представляется наименее привлекательной. Наибольшего числа экспериментов по оптимизации элюирования при постоянных условиях требуют параллельные методы оптимизации ( метод сетевого поиска), описанные в разд. [45]
Страницы: 1 2 3 4