- •Теоретические основы систем автоматизированного проектирования
- •Лекция 1
- •Учебно-методические материалы
- •В результате изучения дисциплины студенты должны:
- •уметь:
- •Лекция 1
- •Основные понятия теории САПР
- •Типовые проектные процедуры
- •Классификация основных проектных процедур
- •Иерархические уровни проектирования
- •CAD CAM CAE системы
- •Основные задачи, решаемые CAD – CAM – CAE системами при проектировании ЭВС:
- •Виды обеспечения автоматизированного проектирования
- •Математическое обеспечение САПР объединяет в себе математические модели проектируемых объектов, методы и алгоритмы
- •Лекция 2
- •Системотехника – дисциплина, в которой исследуется процесс проектирования технических систем.
- •Параметр(переменная) – величина, выражающая свойство системы или ее части. Параметры подразделяются на внешние
- •Формы представления математических моделей.
- •Требования к математическим моделям.
- •Пример математической моделей на микроуровне
- •Пример модели на макроуровне
- •Компонентными уравнениями называют уравнения, описывающие свойства элементов (компонентов), т.е. это уравнения математических моделей
- •Для электрических систем компонентные уравнения простых двухполюсников:
- •Для электрических систем топологические уравнения выражают законы Кирхгофа
- •Пример математической модели на системном уровне
- •Лекция 3 Интерполяция табличных
- •Необходимость интерполяции и аппроксимации функций
- •Интерполяция данных
- •Линейная интерполяция
- •Интерполяционный полином Лагранжа
- •Так как искомый полином li(x) обращaется в нуль в n точках,
- •Интерполяционный многочлен Ньютона с
- •Интерполяционный многочлен Ньютона
- •Таблица разделенных разностей
- •Погрешность полиномиальной интерполяции
- •Интерполирующий полином высокой степени может иметь большие колебания значений функции в точках, отличных
- •Сплайн - интерполяция
- •В случае задания в начальном узле интерполяции значений первой и второй производной для
- •Для последующих i-ых интервалов
- •График сплайн-интерполяция для рассмотренного примера
- •Лекция 4 Аппроксимация табличных данных и функций.
- •Аппроксимация
- •Критерий близости записывается в следующем виде
- •Аппроксимация прямой
- •Значения коэффициентов прямой
- •Аппроксимация полиномом с помощью МНК
- •Нормальная система уравнений МНК
- •Нормальная система для полинома второй степени
- •Пример. Осуществим аппроксимацию табличных данных полиномом второй степени.
- •Нормальная система будет иметь вид:
- •Пример. Выведем систему уравнений для определения коэффициентов a и b функции
- •условие экстремума
- •Решение систем линейных алгебраических уравнений.
- •Метод Гаусса
- •Эта процедура называется прямой ход. Все коэффициенты (включая d) на каждом
- •Пример. Решить методом Гаусса следующую систему уравнений, представленную в виде матриц коэффициентов
- •1 шаг прямого хода. Из второго-четвертого уравнений исключаем x1
- •2 шаг. Исключаем из третьего и четвертого уравнений x2. Поскольку с32 и с42
- •Обратный ход
- •Лекция 5 Численное решение нелинейных уравнений
- •Численное решение нелинейных уравнений.
- •Итерационный алгоритм отделения корня
- •Продолжение алгоритма отделения корня
- •Метод бисекции
- •Шаг метода бисекции
- •Метод Ньютона
- •Алгоритм метода Ньютона
- •Метод может быть использован для случая функции многих переменных F(X). В этом случае
- •Численное дифференцирование
- •Формулы численного дифференцирования с остаточными членами для узлов, расположенных с постоянным шагом h
- •Численное интегрирование
- •Формула прямоугольников.
- •Формула трапеций
- •Лекция 6 Основы метода конечных
- •Метод конечных разностей
- •При необходимости можно получить аппроксимацию производных более высоких порядков, например для второй производной:
- •Метод конечных разностей предполагает выполнение следующих шагов:
- •Полученная система дополняется граничными и начальными условиями. Для производных в граничных условиях второго
- •Решение одномерных стационарных задач.
- •Использование МКР рассмотрим на примере
- •Уравнение теплопроводности в этом случае будет иметь вид
- •Система уравнений МКР в случае отсутствия виртуальных узлов
- •Система уравнений МКР в случае наличия виртуального узла
- •Решение одномерных нестационарных задач
- •При использовании правой и левой разностных схем для аппроксимации производной по времени применяется
- •Разностная аппроксимация дифференциального уравнения теплопроводности для i –ой точки в момент времени j
- •Результаты расчета по явному методу
- •Результат расчета с использованием неявного метода для трех первых узлов сетки времени.
- •Лекция 7.
- •Составление разностных уравнений рассмотрим на примере температурного поля пластины. На трех сторонах пластины
- •Двухмерное стационарное уравнение теплопроводности:
- •Для внешних узлов на сторонах, где температура поддерживается постоянной, нужно записать равенства температурам
- •Система уравнений для внутренних четырех узлов (первый индекс по координате x, второй –
- •Учет нелинейности границ
- •Погрешность аппроксимации первой производной правой разностью
- •Основная идея метода конечных элементов.
- •Лекция 8 Топологические методы формирования математической модели на макроуровне.
- •Рассмотрим для примера электрическую схему и ее граф
- •Топологические матрицы
- •При расчетах один узел (любой) заземляют. Целесообразно в качестве такого узла использовать узел
- •Первый закон Кирхгофа в матричной форме записи имеет вид:
- •Контурная матрица
- •Для рассматриваемого примера выберем в качестве покрывающего дерево, образованное ветвями 1-2-3
- •Составим матрицу главных контуров В.
- •Матрица сечений
- •Для топологических матриц А, В и Q, составленных для одного и того же
- •Анализ во временной области (динамический анализ).
- •С математической точки зрения численное решение на отрезке [a, b] задачи Коши для
- •Метод Эйлера.
- •Расчетные выражения
- •Метод Рунге-Кутта четвертого порядка
- •Пример. Решим методом Рунге-Кутта 4-го порядка предыдущую задачу.
- •Для практической оценки погрешности проводят вычисления с шагами h и h/2. За оценку
- •Анализ процессов в проектируемых объектах на макроуровне в частотной области
- •Для импульсных сигналов используется дискретное преобразование (в том числе и быстрое) Фурье прямое
- •Лекция 9.
- •Абсолютный коэффициент чувствительности i-го выходного параметра yi к j-му входному параметру xj равен
- •Анализ точности. Уравнение погрешности.
- •Пример. Для примера с определением коэффициентов чувствительности оценим предельную относительную погрешность мощности при
- •Статистический анализ
- •Для экспоненциального закона распределения
- •Лекция 10. Модели сигналов и
- •Таблицы истинности базовых логических элементов для трехзначного алфавита.
- •Модель логического элемента
- •Синхронное моделирование цифровых устройств двоичными алфавитами
- •Сквозное моделирование по методу простой итерации
- •Лекция 11.
- •Схема цифрового устройства и временные диаграммы его входных сигналов для асинхронного моделирования
- •Изменение
- •Моделирование цифровых устройств многозначными алфавитами
- •Этап
- •Этап Изменение
- •Лекция 12 Марковские случайные процессы. Потоки событий.
- •Поток событий наглядно можно изобразить последова- тельностью точек на оси времени
- •Вероятность перехода из состояния Si в состояние Sj за время t связана с
- •Показатели эффективности СМО
- •Среднее время ожидания
- •Средняя длина очереди
- •Среднее число заявок в системе - математическое ожидание числа заявок, находящихся в очереди
- •Аналитические модели СМО
- •Разделив на t и перейдя к пределу при t 0, noлучим
- •Лекция 13. Примеры аналитической
- •Одноканальная СМО с простейшим входным потоком интенсивностью и с длительностью обслуживания, подчиняющейся экспоненциальному
- •С учетом того, что Pi 1
- •Средние времена пребывания в системе и очереди находят с помощью соотношений
- •Пример резервированной вычислительной системы
- •В результате решения этой системы можно определить искомые выражения для коэффициентов готовности и
- •Пример двухпроцессорной системы
- •Лекция 14.
- •Иерархическая модель данных
- •К основным недостаткам иерархических моделей данных следует отнести:
- •Реляционная модель ориентирована на организацию данных в виде двумерных таблиц.
- •Объединение
- •Пересечение
- •Декартово произведение
- •Соединение.
- •Типы связей (отношений) между таблицами
- •Первая нормальная форма
- •Вторая нормальная форма
- •Третья нормальная форма
- •Оптимальное проектирование ЭВС
- •Пусть каждый известный вариант решения задачи
- •Пример. Необходимо разработать корпус ЭВС в форме параллелепипеда с объемом не менее 1000
- •Многокритериальные задачи оптимизации.
- •Постановка задачи линейного программирования
- •Математическая модель задачи оптимизации
- •Вобщем случае задача оптимизации решается в K-мерном
- •Пример max F 12 3x1 4x2
- •Решение задачи
- •Лекция 16. Симплекс-метод
- •Пример записи ЗЛП в допустимом каноническом виде:
- •Найдем все опорные решения для следующей ЗЛП:
- •Cтандартная форма
- •Лекция 17. Алгоритм симплекс-метода.
- •Для пересчета значений элементов симплекс-таблицы после смены базиса введем в симплекс таблице следующие
- •С учетом того, что rp - разрешающий элемент (r, q - строка, p,
- •Запишем ранее рассмотренную задачу в стандартной форме:
- •Лекция 18 Постановка задачи целочисленного программирования
- •Постановка задачи целочисленного
- •Метод ветвей и границ
- •Дерево решений
- •Лекция 19. Нелинейное программирование.
- •Методы одномерного поиска оптимального решения
- •Метод золотого сечения.
- •Метод Гаусса-Зайделя (покоординатного спуска)
- •Градиент многомерной функции
- •Варианты остановки процесса поиска оптимума: 1. По разности значений целевой функции
- •Пример. Найти минимум целевой функции градиентным методом с постоянным шагом
- •Метод наискорейшего спуска
- •Лекция 20. Решение задачи условной оптимизации в нелинейном программировании.
- •Использование градиентного метода при наличии ограничений.
- •Методы штрафных функций.
- •В методах внешней точки
- •В методах внутренней точки
- •Алгоритм методов штрафных функций. Пусть необходимо найти минимум F(X) при ограничениях gi(X) 0.
- •Пример. Решить методом внешней точки следующую задачу.
- •Лекция 21. Формальное описание коммутационных схем. Методы и алгоритмы решения задачи компоновки.
- •Математическая модель монтажно-коммутационного пространства.
- •Последовательный алгоритм распределения конструктивных элементов
- •Вычисляем вершину с самой большой максимальной
- •Лекция 22. Постановка задачи размещения
- •Параметры коммутационного поля
- •Размещение элементов
- •Если необходимо, то можно учесть рассредоточение элементов с точки зрения тепловой или электромагнитной
- •Лекция 23. Последовательный и итерационный алгоритмы размещения конструктивных модулей на плате
- •Пример. Произвести размещение элементов с помощью алгоритма последовательного размещения для приведенной схемы и
- •Матрица относительных расстояний в ортогональной метрике
- •Итерационные алгоритмы размещения
- •Лекция 24 Трассировка соединений
- •Волновой алгоритм Ли
- •Лекция 25 Модифицированные волновые алгоритмы.
- •Лучевой алгоритм
- •Метод прямоугольников
Постановка задачи целочисленного
программирования.
|
|
|
|
|
n |
max(min) F cj xj |
|||||
n |
|
|
|
|
j 1 |
|
|
|
|
|
|
aij x j bi |
, (i |
|
) ; |
||
1,m |
|||||
j 1 |
|
|
|
|
|
x j 0 , ( |
j |
|
), xj – целые числа. |
||
1,n |
Метод ветвей и границ
На основании полученного решения составляются дополнительные к исходной задаче ограничения
xj x*j |
и x j x*j 1 |
где [xj] - целая часть нецелочисленного значения переменной в оптимальном решении.
Пример. Найти максимум F=7x1 + 3x2 max
5x1 |
+ 2x2 20 |
|
8x1 |
+ 4x2 38; |
xj 0, |
целочисленные
Дерево решений
|
|
|
|
|
|
|
|
Зад.1 |
|
|
|
|
|
|||
|
|
|
|
|
|
|
x1=1 ; x2=7,5 |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
F=29,5 |
|
|
|
|
|
|||
|
|
|
|
x2 |
|
|
|
|
|
|
x2 |
|
|
|||
|
|
7 |
|
|
|
8 |
|
|
|
|
||||||
|
|
|
|
Зад.2 |
|
|
|
|
|
|
Зад.3 |
|
|
|||
|
|
|
x1=1,2 ; x2=7 |
|
|
|
|
|
x1=0,75 ; x2=8 |
|
|
|||||
|
|
|
|
F=29,4 |
|
|
|
|
|
|
F=29,25 |
|
|
|||
x |
|
|
|
x |
|
|
|
x2=0 |
|
x |
||||||
2 |
|
2 |
|
|
|
|
|
|
|
|
|
2 |
||||
1 |
|
2 |
|
|
|
|
|
|
|
|
|
1 |
||||
Зад.4 |
|
|
Зад.5 |
|
|
|
|
|
Зад.6 |
|
|
|
Зад.7 |
|||
x1=1 ; x2=7 |
|
|
x1=2 ; x2=5 |
|
|
x1=0 ; x2=9,5 |
|
|
Несовместность |
|||||||
|
|
|
|
|
|
|
ограничений. |
|||||||||
F=28 |
|
|
F=29 |
|
|
|
|
|
F=28,5 |
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
Лекция 19. Нелинейное программирование.
Методы одномерного поиска оптимального решения
|
|
|
Метод дихотомии. |
|
|
|
k-я итерация. |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Если bk - ak l , то |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x*=(ak+ bk)/2. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
l -длина интервала |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
a1 |
|
|
|
|
|
1 |
b1 |
|
|
||||||||
|
|
|
1 |
|
|
||||||||||||
|
|
|
|
|
неопределенности. |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
В противном случае |
|
|
ak bk |
|
|||||||||||||
k |
a |
k |
b |
k |
|
|
|
k |
|
||||||||
|
2 |
|
|
|
2 |
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Если |
|
F( k)<F( k), |
положить ak+1= ak; bk+1= k . |
||||||||||||||
В противном случае ak+1= k |
и bk+1=bk. |
Метод золотого сечения.
Предварительный этап. Выбрать допустимую конечную длину интервала неопределенности l>0.
Пусть [a1,b1] - начальный интервал неопределенности. Положить
1=a1+(1- )( b1 - a1) и 1=a1+ ( b1 - a1), где =0,618. Вычислить F( 1) и F( 1), положить k=1, и перейти к основному этапу.
Основной этап. Шаг 1. Если bk - ak l , то вычисления заканчиваются x*=(ak+ bk)/2. В противном случае, если
F( k)>F( k), то перейти к шагу 2, |
если F( k) F( k), перейти |
к шагу 3. |
|
Шаг 2. Положить ak+1= k, bk+1=bk, |
k+1= k, |
k+1= ak+1+ ( bk+1 – ak+1). Вычислить F( k+1), перейти к шагу 4.
Шаг 3. Положить ak+1= ak, bk+1= k , k+1= k ,
k+1= ak+1+(1- )( bk+1 – ak+1). Вычислить F( k+1). Шаг 4. Присвоить k=k+1, перейти к шагу 1.
Пример. Найти min F(x)=(x2+2x) при условии -3 x 5. Зададим l=0,2.
k |
ak |
bk |
k |
k |
F( k) |
F( k) |
1 |
-3 |
5 |
0,056 |
1,944 |
0,115 |
7,667 |
2 |
-3 |
1,944 |
-1,112 |
0,056 |
-0,987 |
0,115 |
3 |
-3 |
0,056 |
-1,832 |
-1,112 |
-0,308 |
-0,987 |
4 |
-1,832 |
0,056 |
-1.112 |
-0,664 |
-0,987 |
-0,887 |
5 |
-1,832 |
-0,664 |
-1,384 |
-1,112 |
-0,853 |
-0,987 |
6 |
-1,384 |
-0,664 |
-1,112 |
-0,936 |
-0,987 |
-0,996 |
7 |
-1,384 |
-0,936 |
-1,208 |
-1,112 |
-0,957 |
-0,987 |
8 |
-1,208 |
-0,936 |
-1,112 |
-1,032 |
-0,987 |
-0,999 |
9 |
-1,112 |
-0,936 |
|
|
|
|
Метод Гаусса-Зайделя (покоординатного спуска)
(xi)k+1= (xi)k i
где (xi)k+1 - новая координата по i-ой переменной; (xi)k – текущая координата по i-ой переменной;
i - длина шага изменения координаты по i-ой переменной. Критерий остановки поиска |F(Xk+1)-F(Xk)|< .
Градиент многомерной функции
gradF(X ) |
F |
x |
|
F |
x |
|
...... |
F |
x |
|
||
x |
x |
|
|
x |
|
|
||||||
|
1 |
|
2 |
|
2 |
|
n |
|
n |
|||
|
1 |
|
|
|
|
|
|
|
|
|
Координаты точки при поиске минимума вычисляются по выражению:
(xi )k 1 |
|
F |
|
|
|
||
(xi )k k |
x |
|
|
|
|
i |
k |
где k - длина (параметр) шага на k-ой итерации вдоль антиградиента
Варианты остановки процесса поиска оптимума: 1. По разности значений целевой функции
F(X k ) F(X k 1) 1
2. |
По величине нормы |
|
|
|
|
|
|||||
gradF(X k ) |
|
2 |
|
gradF(X k ) |
|
|
n |
|
F |
2 |
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|||||
|
|
|
|
xi |
|
||||||
3. |
По величине изменения шага |
i 1 |
|
k |
|||||||
|
|
|
|
(xi )k (xi )k 1 3