Cтраница 1
Задачи глобальной оптимизации решаются с помощью перебора значений переменных, от которых зависит целевая функция. [1]
Задачи глобальной оптимизации многоэкстремальных объектов представляют собой наиболее широкий класс задач поисковой оптимизации. Именно поэтому в последнее время возник острый интерес к методам решения таких задач. [2]
Предлагаемый метод разделения задачи глобальной оптимизации химических комплексов дает возможность на каждом этапе решать задачи значительно меньшей размерности. Однако даже в этом случае каждая из этих задач остается нелинейной и многомерной. Поэтому необходимы дальнейшее совершенствование математических методов поиска оптимальных решений этих задач, разработка усовершенствованных алгоритмов и программ для решения специфических химико-технологических задач на современных ЭВМ. [3]
Таким образом, на уровне ГДП решается задача перспективной глобальной оптимизации ( 299), определяющая управляющие воздействия для получения y m ( t) природного газа из / с ( 0) скважин, i ( 1) ( 0 осушенного природного газа и z / i ( 6) ( 0 стабильного конденсата, а также задача оперативной глобальной оптимизации, реализующая критерий ( 300) и технологические ограничения. [4]
Значительное расширение пространства управляющих воздействий при добавлении интенсифицирующих физических воздействий позволяет в принципе ставить и решать задачу глобальной оптимизации как технологического процесса, так и конструкции аппарата на всем возможном множестве переменных. Исключение же большого класса физических воздействий из рассмотрения в традиционной технологии и методах ее оптимизации не позволяет корректно говорить о поиске глобально оптимальных решений. [5]
Второй путь оптимизации сложных ХТС использует как характерные особенности их топологических моделей, так и принцип декомпозиции задачи глобальной оптимизации ХТС в целом на совокупность отдельных задач подоптимизации каждого элемента или подсистемы путем выбора дополнительных локальных целевых функций для этих элементов или подсистем. [6]
Таким образом, на уровне ГДП решается задача перспективной глобальной оптимизации ( 299), определяющая управляющие воздействия для получения y m ( t) природного газа из / с ( 0) скважин, i ( 1) ( 0 осушенного природного газа и z / i ( 6) ( 0 стабильного конденсата, а также задача оперативной глобальной оптимизации, реализующая критерий ( 300) и технологические ограничения. [7]
Математической задачей управления химико-технологическими системами ( ХТС) и ограничительных условий является построение некоторого функционала, минимизация ( максимизация) которого с соблюдением ограничительных условий должна обеспечить компромиссное выполнение всех или большинства требований к объекту управления. В этом собственно и заключается постановка задачи глобальной оптимизации управления ХТС. [8]
Математической задачей управления химико-технологическими системами ( ХТС) и ограничительных условий является построение некоторого функционала, минимизация ( максимизация) которого с соблюдением ограничительных условий должна обеспечить компромиссное выполнение всех или большинства требований, предъявляемых объекту управления. В этом, собственно, и заключается постановка задачи глобальной оптимизации управления ХТС. [9]
Анологичная ситуация имеет место, когда в процессе решения задачи глобальной оптимизации пользователь в некоторый момент инициирует локальный спуск с применением методов БМ. [10]
С одной стороны, наш интерес к ГА обусловлен их высокой эффективностью при решении задач глобальной оптимизации вообще и как к потенциальной процедуре тренировки нейронной сети, в частности. Действительно, никто сегодня не отрицает, что многие широко известные техники тренировки ( Backpropagation, RBF-сети) являются существенно локальными со всеми вытекающими отсюда последствиями, поэтому в этом отношении ГА не знает конкурентов. С другой стороны, интригующим представляется само сочетание ГА и ИНС. [11]
Поскольку аналитические методы исследования условий и скорости сходимости наталкиваются в этой области на серьезные проблемы, была разработана целая система тестовых задач ( benchmark), предназначенных выявить относительную эффективность различных версий алгоритма. На них же было осуществлено сравнение ГА с другими техниками и доказана уникальность его способностей для решения задач глобальной оптимизации. В настройке нуждаются, прежде всего, вероятности применения генетических операторов, оказывающие существенное влияние на сбалансированность процессов отбора и изменчивости. [12]
Современная библиография по генетическим алгоритмам давно перевалила за 9000 наименований и продолжает непрерывно увеличиваться. Однако, несмотря на такое обилие литературы, довольно трудно точно сформулировать, чем именно они являются - квинтэссенцией эволюционных перестроек в природных популяциях организмов, универсальным средством описания адаптации в популяциях искусственных объектов, или мощной поисковой процедурой с претензиями на решение задач глобальной оптимизации. [13]
Даже в одномерном случае решение задачи глобальной оптимизации требует большого объема вычислений. Кроме того, при реализации на ЭВМ многих алгоритмов глобальной оптимизации требуется большой объем оперативной памяти. [14]
Во-вторых, не отрицая целесообразности совместного анализа и оценки поведения МВС в целом ( как, например, в [9] и в других подобных работах), автор тем не менее считает такого рода оценки чрезмерно обобщенными и потому загубленными, не отражающими специфики структур и режимов работы отдельных частей МВС. Понятно, что более детальному исследованию здесь препятствует проклятие размерности задачи, в которую вырастает анализ функционирования всей МВС на уровне ее элементов и узлов. Поэтому мы будем идти по пути анализа организации укрупненных функциональных блоков МВС - параллельной памяти, внутрисистемного интерфейса, устройств обработки ( разумеется, с учетом взаимного влияния их друг на друга), отдавая себе отчет в том, что рассматриваем процедуры локальной оптимизации, пытаясь связывать их между собой, а решение задачи глобальной оптимизации структуры МВС остается пока что за пределами наших возможностей. [15]