ПОИСК Статьи Рисунки Таблицы Составление математических моделей экспериментально-статистическими методами. Статистическая оптимизация из "Методы кибернетики в химии и химической технологии" Эти методы применяются для нахождения заданного оптимума, непосредственно на объекте. [c.169] В системах автоматической оптимизации широко используется аппаратура вычислительной техники в виде оптимизаторов, моделей, устройств вычисления критериев и т. д. В простейших системах, где не требуется высокая точность, можно успешно применять ведорогие вычислительные устройства непрерывного действия. В более сложных случаях используются специализированные вычислительные устройства. Примером могут служить многоканальные оптимизаторы, являющиеся устройствами гибридного тина, частично непрерывного, а частично дискретного действия. Некоторые типы оптимизаторов представляют собой чисто дискретные устройства. Наконец, в особо сложных случаях, когда процессы очень сложны, требуется весьма полное обследование их характеристик, причем необходима высокая точность вычислений. В этих случаях можно применять универсальные цифровые машины, в которые вводится программа оптимизации. [c.170] Другое усложнение заключается в том, что оптимальный режим часто должен удовлетворять, помимо приведенного условия, некоторым дополнительным требованиям — ограничениям. Например, в ди-стилляционной колонне можно потребовать минимальной затраты пара на единицу продукции, но нри соблюдении донолцительных условий. [c.170] А — оптимизатор В — объект С — вычислительное устройство. [c.170] Величины Н/ измеряются на выходе объекта В или вычисляются специальным устройством С (см. рис. П-ЗО). Указанные величины подаются на многокаскадный автоматический оптимизатор А вместе минимизируемой величиной Р. Задача многоканального автоматического оптимизатора сводится к такой установке величин х ,. . ., х , чтобы удовлетворить условию экстремума при дополнительных ограничениях. [c.171] Движение точки Ж и ее окончательное ноложение должны быть такими, чтобы всегда соблюдалось условие (б). Это условие ограничивает перемещение точки М некоторой допустимой областью 5 на плоскости (х1, Ха). [c.171] Как вести поиск, чтобы найти значениях иХа, обеспечивающие минимум величины Основные виды поиска описаны ниже. [c.171] Слепой поиск. На рис. П-32 показана для примера в виде прямоугольника на плоскости (х , Хд) область допустимых изменений) этих переменных. Б общем случае данная область может иметь любой вид и даже быть многосвязной, т. е. состоять из нескольких отдельных, частей. Метод слепого поиска заключается в просматривании точек допустимой области в заранее установленном порядке или без всякого порядка и в отборе такой точки, для которой значение Р минимально. На рис. П-32, а показана одна из форм слепого поиска — сканирование, при котором точки области одна за другой просматриваются в определенном порядке, например, строчка за строчкой. [c.171] Другой формой слепого поиска является чисто случайный поиск, при котором точки на плоскости х , Хо) выбираются случайно с неизменным законом распределения (рис. П-32, 6). Слепой поиск пригоден лишь дли сравнительно простых случаев, и область его применения ограипчена. [c.172] Методы локального поиска. Эта подгруппа имеет особенно важное практическое значение. При локальном поиске изображающая точка М с координатами (х х ) перемещается по некоторой лпНни, причем пробные перемещения позволяют определить и а и р а в л е н и е, в котором следует перемещаться, чтобы уменьшить значение F. [c.172] Локальные методы ноиска можно организовать так, чтобы дви- я ение изображающей точки М на плоскости (х , х совершалось по некоторой кривой Жц, М-у, М .. . (рис. П-32, д). Такие усовершенствованные методы (методы наискорейшего снуска и метода градиента) были описаны выше. [c.172] Вернуться к основной статье