- •Министерство образования Российской Федерации.
- •2. Многокритериальность. Особенности многокритериальных задач.
- •3. Однокритериальные задачи исследования операций.
- •4. Понятия и определения.
- •5. Математические модели в задачах оптимизации.
- •6. Постановка задачи оптимизации. Графическая интерпретация задачи оптимизации.
- •7. Классификация хтп и хтс с позиции решения задач оптимизации.
- •8.Критерии оптимальности.
- •9.Технико-экономические критерии (прибыль, норма прибыли)
- •10. Критерий оптимальности в виде алгебраической функции.
- •11.Критерий оптимальности в виде аддитивной функции частных критериев оптимальности.
- •12. Критерии оптимальности в виде линейной функции от управления.
- •13. Критерии оптимальности в виде функционала.
- •14.Линейное программирование. Постановка задачи лп.
- •Математическая формулировка задач линейного программирования.
- •15. Графическое представление задачи лп.
- •16. Симплекс - метод решений задач линейного программирования.
- •17.Метод искусственного базиса
- •18.Оптимальная организация производства продукции при ограниченных запасах сырья.
- •19. Методы оптимизации основанные на классическом математическом анализе.
- •20. Достаточные условия существования экстремума.
- •Условия Сильвестра.
- •22. Задачи на условный экстремум. Теорема Куна-Теккера.
- •23. Метод Штрафов в задачах на условный экстремум.
- •25. Метод неопределенных множителей Лагранжа как частный случай теоремы Куна-Таккера. Пример использования метода (проектирование опт. Бочки)
- •26. Мнл. Распределение потоков сырья между параллельно работающими аппаратами.
5. Математические модели в задачах оптимизации.
Обычно решение задач оптимизации Химико-технологических процессов и производств предполагает наличие их математической моделей. Всякое аналитическое (математическое) соотношение или однозначный алгоритм, устанавливающий связь между параметрами (координатами) оптимизируемой системы носит название математической модели этой системы. Математическая модель в общем виде м.б. записана следующим образом:
(1), где - вектор параметров модели.
Если- не определен с точностью до числовых значений, то функция (1) будет называться мат. описанием. В общем случае мат.модель включает соотношение (1), алгоритм определения, программная реализация алгоритмов. Алгоритм решения, кроме соотношения (1), предполагает задание граничных или начальных условий.
может и не выражаться набором каких-либо элементарных функций, а задаваться системами алгебраических , дифференциальных, интегральных и др. видах уравнений или задаваться к.л. алгоритмом, например, алгоритмом распознавания образов, искусств, нейронные сети. Символ указывает на наличие однозначной связи между параметрами процесса и системы и задает вид этой связи.Может определяться и в вероятностном смысле, т.е. устанавливать связь между векторами математических ожиданий (средних значений) координат системы. В этом случае, когда присутствует операция усреднения, модель будет называться стохастической (вероятностной).
Решение системы (2). Иногда удается получить аналитическое решение системы (1) в виде (2). Чаще всего это алгоритм решения системы (1)
Если влияние неконтролируемых возмущений для условия данного процесса можно пренебречь или учесть их путем усреднения и текущей параметрической идентификации модели (1), например, с применением рекуррентных многошаговых процедур на основе алгоритма стохастической аппроксимации, являющейся решением стохастического уравнения, то решение (2) примет вид: (4) , где - вектор скорректированных параметров модели. Т.к. векторв модели в текущий момент времени является числом – константой, то его можно ввести в операторf : (5)
Критерий оптимальности зависит от выходных координат объекта у, являющихся результативными показателями для этого процесса, характеризующих состояние системы и м.б. представлен в виде (6)
С учетом (5) выражение для критерия можно записать в виде (7), (8) .
6. Постановка задачи оптимизации. Графическая интерпретация задачи оптимизации.
С учетом соотношения (8) задачу оптимизации можно сформулировать: требуется найти вектор управлениятакой, что при заданном векторекритерий оптимальностиR принял бы наилучшее значение. При этом управление связаны между собой в общем случае соотношениями(9),(10), которые являются ограничениями в форме равенств (9) и неравенств (10) в задаче оптимизации. Часто эти ограничения являются критериями в многокритериальной задаче оптимизации, в которой- главный критерий, аипереводятся в разряд ограничений.
Решение задачи оптимизации без учета ограничения (9), (10) называется решением задачи безусловной оптимизации с одним критерием R. С учетом (9), (10) задачи оптимизации будут называться задачами условной оптимизации. Используя выражения (8), (9), (10) постановку задачи оптимизации формально можно записать (11)
Т.к. в задаче оптимизации (задание значение вектора) выступает как константа, то можно записать следующим образом:,,(12).
Задачу (11) можно сформулировать и в след. виде (13)
В дальнейшем при изложении методов оптимизации с учетом соотношения (12) будем записывать ,,
В соответствии с (13) графически задачу оптимизации можно интерпретировать следующим образом: рассмотрим задачу с 2-мя управлениями: рис 6. 1,2,3.
Пусть R(x1,x2) имеет max. , то; призадачи оптимизации нет (рис. 6.2).
Если размерность , то для графической интерпретации отклика поверхностиберут 2 оси (координат) и через них проводят плоскость. Плоскостями, параллельными плоскости, проходящей через выбранные оси, рассекает плоскость(рис 6.3).
. - любая.
Задача оптимизации в действующей технологии является определение оптимальных значений заданий регулятора технологических процессов.