- •1. Характеристика основных подходов к задачам оптимизации
- •1.1. Модельный подход к постановке и решению задачи оптимизации
- •1.1.1 Применение математической модели оптимизации
- •1.2. Применение физической модели объекта оптимизации
- •1.1.3 Совместное применение (комбинирование) физической и математических моделей
- •1.1.4 Инженерный метод решения практических задач оптимизации
- •1.2. Варианты натурно-модельного подхода к задачам оптимизации
- •1 .2.1. Оптимизация на базе натурно-модельных блоков пересчетными моделями
- •1.2.2. Оптимизация на базе натурного объекта и частичной физической модели
- •1.2.3. Оптимизация на базе совместно использования натурной части о. О.(объекта оптимизации), частичной физической модели оо и частичной математической модели оо
- •1.3. Натурный подход к оптимизации
- •2. Известные математические описания. Модели. Задачи оптимизации
- •2.1 Удовлетворенческая (ограничительная) математическая модель (схема) оптимизации
- •2.2. Математическая постановка (модель) задачи скалярной оптимизации
- •2.3. Математическая постановка (модель) задач векторной оптимизации
- •2.3.5 Способ идеальной точки
- •Коэффициенты важности
- •2.3.6. Отыскание оптимума по Парето
- •2.3.7. Математическая схема (модель) задач нечеткой (размытой) оптимизации
- •2.4 Экспертная система
- •2.5. Процедуры оптимизации решений на основе отбора альтернатив.
- •Классификация задач скалярной оптимизации
- •Некоторые типовые задачи скалярного математического программирования
- •Раздел 3. Некоторые алгоритмы решения задач оптимизации
- •3.1 Поисковые (прямые) алгоритмы оптимизации
- •Алгоритм полного перебора (алгоритм сеток)
- •3.1.2 Алгоритм покоординатного поиска
- •3.1.3 Градиентный алгоритм поиска оптимума с использование реверса (возврата назад)
- •3.1.4 Поиск оптимума в многокритериальном пространстве.
- •3.2 Симплекс-алгоритм решения задачи линейного программирования
- •О методе решения задач злп в случае целочисленности искомых переменных
- •3.3. Алгоритм динамического программирования
- •3.4 Метод последовательного конструирования, анализа и отсеивания вариантов (так называемый киевский веник).
- •3.5 Некоторые алгоритмы теории ...
- •Метод ветвей и границ
- •Оптимизация решений с использованием теории статистических решений (тср)
- •Случай 1.
- •Случай 2
- •Некоторые процедуры Парето-оптимизации
2.3.6. Отыскание оптимума по Парето
Оптимальным по Парето считается такое решение задачи, которое по всем частным критериям не хуже других допустимых решений и хотя бы по одному критерию лучше.
Q2 5
4
ОДР 3
1 2
Q
На практике для нахождения оптимального Парето решения необходимо отбросить те варианты решений, которые по всем решениям хуже прочих решений.
Достоинства данной математической схемы: адекватность практическим задачам оптимизации, наличие известных методик и программных продуктов,
Недостатки: сложность реализации, необходимость обязательного решения ЛПР.
2.3.7. Математическая схема (модель) задач нечеткой (размытой) оптимизации
Л. Зоде
Нечетким (размытым) множеством С на исходном множестве Х называется совокупность пар (x, µc(x)), где x∈X, а µс(х) – это функция принадлежности нечеткого множества С. Ее значение изменяется от 0 до 1.
С
х ∈ Х
Х
Рассмотрим пример нечеткого множества, в котором числа близкие к единице.
Построим функцию принадлежности для этого нечеткого множества
µс(х)
1
0,5
х
1 1,05 1
С
[0,1]
Если µС(х) =0, то х не принадлежит к множеству С.
Если µС(х)=1, то элемент х обязательно принадлежит к множеству С.
Если µС(х) [0,1], то х с уверенностью 0,5 принадлежит к С, и 0,5 не принадлежит к С.
Заде поставил задачу оптимизации следующим образом:
дано:
а) распределенные цели, т.е. подмножества G, на множестве альтернативных решений Х= {х} со своими формулами принадлежности {µ}.
Дано:
а) расплывчатые критерии Gi на множестве альтернатив x={x} со своими функциями принадлежности {µci(х)}.
б) расплывчатые ограничения Сj на множестве альтернатив со своими функциями принадлежности {µcj(х)}.
. Dm
D
Требуется найти нерасплывчатое решение задачи как некоторое подмножество Дn расплывчатого решения D, при этом оптимальное расплывчатое решение D определяется как пересечение целей и ограничений.
G1
C1
Четкое множество (Dm)
G 2
C2
Dn – четкое оптимальное решение задачи соответствующее например максимуму функции принадлежности расплывчатого решения D.
А
µD(x)
Х
D Xa
Для отыскания функции принадлежности множества D используется функции принадлежности заданных расплывчатых решений.
µD=µGi∩µcj → max
i = 1,n ; j = 1,m
Задача современной оптимизации формулируется следующим образом:
найти такой вектор Х = (x1, … xn), для
при выполнении условий
– есть нечеткие функции;
- есть нечеткий максимум.
Данная задача имеет свои разновидности, в которой четкими являются все элементы кроме 1. [12]
2.4 Экспертная система
Экспертная система – программно-технический комплекс, аккумулирующий опыт специалистов в некоторых предметных областях.
Р
БД
ассмотрим типовую структуру экспертной системы:
Решатель
База знаний
Подсистема объяснений
Интерфейс пользователя
пользователь
Редактор БЗ
Интерфейс инженера
Интерфейс
эксперта
Инженер
по знаниям
эксперт
Решатель содержит правила, механизмы выработки решений.
Б. З. – семантическая модель для представления знаний, накопленных человеком в компьютере.
Пример экспертных систем-оболочек: Exsys CORVID.