Оптимизационная процедура

Cтраница 3

Одним из методов решения задачи регулирования является дискретный аналог градиентных схем, являющийся некоторой одно-шаговой последовательной оптимизационной процедурой. [31]

Для решения всей совокупности задач принятия проектных решений, как правило, не удается сформировать единую оптимизационную процедуру. Поэтому требуется некоторая декомпозиция общей многоаспектной задачи оптимизации. [32]

Независимо от принятого принципа оптимальности при решении задачи (15.4) динамического синтеза основная трудоемкость связана с многошаговыми оптимизационными процедурами, заключающимися в определении количественных значений обобщенного скалярного критерия эффективности А для варьируемой динамической модели при текущих значениях динамических параметров. Определение текущего значения критерия А требует вычислений текущих значений всех локальных критериев эффективности, которыми в основной задаче синтеза являются динамические критерии качества элементов силовой цепи машинного агрегата. Вычислительная трудоемкость динамического синтеза с принятым обобщенным скалярным критерием эффективности существенно зависит от математической формы представления критерия. [33]

Таким образом, конструкция функционала арбитра V и функционалов подсистем Qji & MK обуславливает необходимость построения комбинированной оптимизационной процедуры, сочетающей в себе прямые и градиентные методы. Это дает возможность повысить эффективность работы метода иерархической оптимизации. [34]

Таким образом, поставленная задача является типичной задачей линейного программирования и может быть решена с помощью хорошо развитых оптимизационных процедур. Аналогично представляются соотношения для случая, когда необходимо распределить отбор газа по скважинам на нескольких интервалах времени, чтобы к определенному моменту времени иметь максимальную производительность хранилища. [35]

На этапе оценки ( оптимизации параметров) модели необходимо осуществить выбор критерия, на основе которого реализуется оптимизационная процедура. Кроме того, должен быть выбран один из рассмотренных методов оптимизации ( обучения) нейросетевой модели. В настоящей главе исследован традиционный критерий наименьших квадратов и его модификация, использующая концепцию регуляризации путем введения затухания весовых коэффициентов. [36]

Таким образом, независимо от формы представления равновесия в системе, для расчета равновесных составов должны использоваться оптимизационные процедуры, которые могут быть реализованы различными способами. Для решения равновесных задач, выраженных в первой форме, используют градиентные методы, метод скорейшего спуска, нелинейное программирование. Для решения задач во второй формулировке может быть использован метод Ньютона - Рафсона и другие итерационные процедуры. [37]

В методе, базирующемся на принципе декомпозиции [14-16], координаты вершин определяются на каждой итерации в рамках единой оптимизационной процедуры. [38]

В качестве поисковых берут только часть управлений, а ограничения на выходные переменные ХТС автоматически удовлетворяются на каждом шаге оптимизационной процедуры. [39]

При втором способе учета ограничений ( I, 63) их включают в число уравнений, которые автоматически удовлетворяются на каждом шаге оптимизационной процедуры. Таким образом, число уравнений, которым удовлетворяют переменные и, х, возрастает на величину g [ см. выражение ( 1 52) ] по сравнению с предыдущим случаем. I, 13) ] будут включены в число зависимых переменных. [40]

Общая структура итерации совместного алгоритма ЦР-ПДК на fc - м такте конфликта. [41]

Из общей структуры итерации исходного совместного алгоритма следует, что он является достаточно сложным, так как для его реализации необходимо реализовать оптимизационную процедуру ПДК на уровне СТЭК с встроенным на итерации алгоритмом ЦР, получить прогноз конфигурации на двухтактном ПДК, совмещая целочисленные и нецелочисленные процедуры в процессе оптимизации и так далее. Поэтому рассматриваются два варианта приближения исходного совместного алгоритма при однотактном и двухтактном прогнозе. [42]

При традиционных методах используемое информационное обеспечение является неполным, недостаточно достоверным, не представляет собой систему, которую можно подготовить на ЭВМ и использовать в оптимизационных процедурах. Поэтому необходимо разработать принципиальный метод перспективного планирования и формирования системы информационного обеспечения, основанный на экспресс-проектировании объектов. Сущность его состоит в макетировании на ЭВМ будущих объектов ( на 5 - 7-летнюю перспективу) из заранее разработанных типоразмерных рядов блоков ( по которым имеется нормативная и другая информация о параметрах, характеристиках, ресурсопотреблении и технико-экономических показателях) и последующей машинной систематизации, группировке, агрегировании и дезагрегировании нормативных показателей. [43]

Необходимо подчеркнуть, что из стратегических преимуществ иерархического подхода, которые на настоящем этапе развития АСУ становятся особенно наглядными, не следует требование сразу же отказаться от хорошо зарекомендовавших себя одноуровневых оптимизационных процедур. Теоретические преимущества должны подкрепляться эффективностью конкретных разработок, создание которых сопряжено с преодолением значительных трудностей. Одноуровневые оптимизационные процедуры в перспективе могут с успехом использоваться для моделирования некоторых важных этапов иерархической схемы расчетов. [44]

Эта процедура легко переносится на решение дискретных оптимизационных задач, при этом состояния физической системы заменяются конфигурацией системы, изменением критерия качества, а произведение Ы заменяется обобщенным понятием температуры Т, которая может рассматриваться как управляющий параметр оптимизационной процедуры. [45]

Страницы: 1 2 3 4