Метод гирлянд ассоциаций

Данный метод состоит из десяти этапов:

1. Определение синонимов объекта.

2. Выбор случайных объектов.

3. Составление комбинаций из элементов гирлянды синонимов объекта и элементов гирлянды случайных объектов. Комбинации составляются из двух элементов путем попытки объединения каждого синонима рассматриваемого объекта с каждым случайным объектом.

4. Составление перечня признаков случайных объектов. Определяются признаки случайно выбранных объектов с возможно большим количеством признаков в течение ограниченного времени (минуты). Успех поиска в значительной мере зависит от широты охвата признаков случайных объектов, поэтому целесообразно перечислять как основные, так и второстепенные признаки. Для удобства составляется таблица признаков, в одном столбце которой указаны по порядку случайные объекты, а в другом (напротив) - признаки этих случайных объектов.

5. Генерирование идей путем поочередного присоединения к техническому объекту и его синонимам признаков случайно выбранных объектов.

6. Генерирование гирлянд ассоциаций. Поочередно из признаков случайных объектов, выявленных на четвертом шаге, генерируют гирлянды свободных ассоциаций. Для каждого из отдельных признаков они могут быть практически неограниченной длины, поэтому генерирование следует ограничить по времени или количеству элементов гирлянды.

7. Генерирование новых идей. К элементам гирлянд синонимов технического объекта пытаются присоединить элементы гирлянд ассоциаций.

8. Выбор альтернативы. На этом шаге решается вопрос - продолжать генерирование гирлянд ассоциаций или их уже достаточно для отбора полезных идей.

9. Оценка и выбор рациональных вариантов идей.

10. Выбор оптимального варианта.

2.1.7.Методы случайного поиска Метод проб и ошибок

Метод проб и ошибок – старейший из методов поиска новых решений.

Впервые метод проб и ошибок был описан немецким физиологом Э.Торндайком в 1898г.

Метод проб и ошибок - форма обучения, описанная, основанная на закреплении случайно совершенных двигательных и мыслительных актов, за счет которых была решена значимая для животного задача. В следующих пробах время, которое затрачивается животным на решение аналогичных задач в аналогичных условиях, постепенно, хотя и не линейно, уменьшается, до тех пор, пока не приобретает форму мгновенного решения. В дальнейшем более точный анализ поведения методом проб и ошибок показал, что оно не является полностью хаотическим и нецелесообразным, как считал Торндайк, но интегрирует в себе прошлый опыт и новые условия для решения задачи.

Сегодня, с развитием электронно-вычислительной техники, метод проб и ошибок стал отправной точкой для создания разнообразных методов случайного поиска, где используется не просто перебор всех возможных вариантов, а сложная система «весовых» коэффициентов, которая позволяют отбросить неэффективные варианты уже на ранних этапах поиска.

Метод случайного поиска

Методом случайного поиска называют метод экспериментального поиска экстремума функций многих переменных. Основная идея метода заключается в том, что точку каждого пробного опыта для изучения поверхности отклика выбирают случайным образом. Несмотря на произвольность выбора пробной точки, алгоритм случайного поиска позволяет последовательно приближаться к экстремальной области.

      Если критерий качества связан с объектом оптимизации алгоритмически, например, с помощью рекурсивных уравнений, то наиболее целесообразно использовать поисковые методы оптимизации: метод случайного поиска и метод регулярного поиска (метод градиента).     

Рассмотрим метод случайного поиска с возвратом при неудачном шаге.

При априорно заданных значениях варьируемых параметров находится величина критерия качества. Далее производится обращение к генератору случайных чисел (ГСЧ), распределенных по нормальному закону, которые в виде приращений добавляются к варьируемым параметрам. В результате получаются новые параметры при которых рассчитывается новое значение критерия качества. Если новое значение оказывается больше, попытка считается неудачной, и новый шаг совершается из прежней точки. Попытка также считается неудачной и при невыполнении ограничений. Если же новое значение лучше или равно предыдущему значению, то попытка считается удачной, и следующий шаг делается из новой точки.       При поисковой оптимизации трудно определить момент, когда следует прекратить поиск. Чаще всего окончание поиска определяется опытным путем. В начале поиска новые (зачетные) значения функции качества появляются через малые временные интервалы, а в конце оптимизации улучшенные значения целевой функции находятся крайне редко. Это является признаком того, что стадия поиска близка к завершению, т. е. поиск производится в окрестности вблизи экстремального значения критерия качества. Поэтому, исходя из опыта, задаются максимальным временем появления новых зачетных значений функции качества. Если в течение этого времени новые значения не появляются, то поиск прекращается.

Процесс оптимизации по методу градиента разбивается на два этапа. На первом этапе производится определение составляющих градиента, т.е. частных производных критерия качества по оптимизируемым параметрам:. Во время второго этапа совершается рабочий шаг, т.е. производится смещение в направлении обратном градиенту. Для этого сначала определяются новые параметры, где a - параметр длины рабочего шага.

Новое значение функции качества на данном шаге оптимизации находится после определения всех очередных новых значений варьируемых параметров и после проверки выполнения ограничений по каждому параметру.

При алгоритмическом описании критерия качества (с помощью рекурсивных уравнений) составляющие градиента (частные производные) можно определить приближенно.