Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Основные понятия МО, постановка задачи оптимизации. Место оптимизации в САПР. Применение методов оптимизации.
Оптимизация – процесс выбора наилучшего или оптимального решения с технической или математической точки зрения.
Важность и ценность теории оптимизации заключается в том, что она дает адекватные понятийные рамки для анализа и решения многочисленных задач:
− в исследовании операций: оптимизация технико-экономическихсистем, транспортные задачи, управление запасами и т.д.;
− в численном анализе: аппроксимация, регрессия, решение линейных и нелинейных систем, численные методы, включая методы конечныхэлементов и т.д.;
− в автоматике: распознавание образов, оптимальное управление,фильтрация, управление производством, робототехника и т.д.;
− в математической экономике: решение больших макроэкономических моделей, моделей предпринимательства, теория принятия решенийи теория игр.
Постановка каждой задачи оптимизации (ЗО) включает в себя два
объекта:
множество допустимых решений и целевую функцию (функционал), которую следует минимизировать или максимизировать на указанноммножестве.
Математическое программирование в самом общем виде можно определить как задачу оптимизации с ограничениями в пространстве Rn:
(2.1)
Вектор x∈D имеет компоненты x 1, x 2, … xn, которые являются неизвестными задачи (2.1).
Функция f (x) называется целевой функцией (ЦФ) (функцией качества, критерием оптимальности), а множество условий gk (x), lj (x) и x ∈ D – ограничениями задачи.
Решением задачи (2.1) называют любой вектор x, удовлетворяющийограничениям.
Оптимальным решением или глобальным экстремумом задачи(2.1) называют вектор x *, минимизирующий значение f (x) на множествевсех решений: f (x *) ≤ f (x) для всех x ∈ D.
Задача максимизации функции сводится к задаче поиска минимумафункции F = - f (x).
Точность. Характеристикой точности полученного решения может
служить величина абсолютного отклонения значения минимизируемой
функции, достигнутого в точке xn ∈ D, от точного значения ее минимума
на множестве D:
Ясно, что чем меньше неотрицательная величина δ, тем точнее полученноерешение. Недостатком использования абсолютной погрешности являетсято обстоятельство, что она меняется при умножении ЦФ на положительную константу α: f (x) → α f (x).
Целесообразнее использовать следующую оценку точности:
где f (x*) – либо точное значение минимума ЦФ, либо полученное "точным" алгоритмом. Алгоритм называется "ε–приближенным", если выполняется неравенство c ≤ ε.
Дата публикования: 2015-01-26; Прочитано: 344 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!