Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь FAQ Написать работу КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Постановка задач оптимизации. Их классификация.Содержание книги
Похожие статьи вашей тематики
Поиск на нашем сайте
Здесь можно сразу выделить два класса оптимизационных задач: задачи безусловной оптимизации, когда решение можно искать на всем множестве действительных чисел и задачи условной оптимизации, когда на область допустимых решений накладываются определенные ограничения - условия, и формируется так называемая область допустимых решений. Первый класс задач - это задачи исследования функций на максимум-минимум, которое осуществляется с помощью производной. Ко второму классу относятся задачи так называемого математического программирования. Считается, что необходимым и достаточным условием для постановки задач условной оптимизации систем является задание: а) критерия оптимизации q = F(X) ® min (max), т.е. показателя или параметра, в экстремуме которого заинтересован исследователь; б) целевой функции F(X), связывающей критерий с переменными xj (j = 1 …n), т.е. теми конструктивными и другими характеристиками системы, которые могут быть изменены при необходимости; в) ограничений Аij(Xj) ³ bi (i = 1 …m), на ряд характеристик, также являющихся функциями xj; г) области значений учитываемых переменных xjmin £ xj £ xjmax. Принципиальная возможность строгой постановки задач оптимизации возникает лишь при аналитическом выражении критерия оптимизации q и функций ограничений Ai(Xj). Ограничения в задачах оптимизации могут касаться: - доступных ресурсов (средств, времени); - природы рассматриваемых процессов и учитываемых переменных; -особенностей принятия допущений и области значений переменных. Последовательность решения оптимизационных задач в обычно включает следующие этапы: 1.содержательная (вербальная) постановка; 2.составление математической (числовой) модели; 3.подготовка исходных данных по каждому из альтернативных воздействий и определение области допустимых решений; 4.выбор метода решения задачи; 5.разработка или подбор алгоритма (программы) вычислений вручную или на ЭВМ; 6.решение задачи, т.е. нахождения оптимума - максимального или минимального значения целевой функции (критерия); 7.верификация, т.е. проверка полученных результатов на правдоподобность и анализ решения. Нечеткие множества и их использование для принятия решений. В работе Беллмана и Заде впервые было предложено использовать теорию нечетких множеств в качестве аппарата для решения задачи оптимального выбора.Обычно при ее решении делаются следующие упрощения: независимость выбора от состояний среды (закрытые системы), одинаковая важность критериев, каждая целеваяфункция определяет отношение полного порядка на множестве объектов.Пусть E – множество объектов, оцениваемых по множеству критериев K; Xi –область, в которой оцениваются объекты по критерию KiЄK. Целевая функция, связываемая с критерием Ki, описывается нечетким множеством Gi, определенным на Xi с функцией принадлежности μGi(x). Значение μGi(x)=1 (ядро множества) соответствует полной совместимости оценки x с множеством целей Gi, а μGi(x)=0 - полной несовместимости. Значения μ>0 (носитель нечеткого множества Gi) соответствует частичной совместимости значений оценки и целей, задаваемыхпредпочтениями ЛПР. Определение величин μGi(x)может осуществляться различными методами, например: использование градаций уровня совместимости (т.е.дискретизация множества X), их сопоставление с оценками ЛПР по лингвистической шкале с последующим сглаживанием дискретных значений; представление нечеткой цели в виде нечеткого числа, причем ЛПР непосредственно задает параметры модели, исходя из имеющейся информации и своих предпочтений.После того, как функции μGi(x)построены для всех целей, решается задача их свертки, которая формулируется в следующем виде: имеется m частных целей,связываемых с m критериями Ki, по которым оцениваются объекты из множества E.Нечеткое множество объектов, совместимых с общей целью, получается свертыванием нечетких множеств с функциями принадлежности μGi(x). Иными словами ищетсяотображение f из [0, 1]m в [0,1] такое, что μ∑=f(μ1,...,μ m) Условная оптимизация. Линейное программирование. Пример постановки задачи оптимизации. Пример постановки задачи оптимизации. Для изготовления 3-х видов изделий А, В и С используется токарное, фрезерное, сварочное и шлифовальное оборудование. Затраты времени на обработку одного изделия приведены в таблице.
Определить, сколько изделий и какого вида следует изготовить предприятию, чтобы прибыль от их реализации была максимальной. Составить математическую модель задачи. Решение: Пусть будет изготовлено Х1 единиц изделия А Х2 единиц изделия В Х3 единиц изделия С. Тогда при использовании фрезерного оборудования потребуется затратить 2Х1 + 4Х2 + 5Х3 станко-часов. Но по условию ограничения общего фонда времени 2Х1 + 4Х2 + 5Х3 £ 120. Аналогично для токарного, сварочного и шлифовального оборудования: 1)Х1 + 8Х2 + 6Х3 £ 280 2)7Х1 + 4Х2 + 5Х3 £ 240 3)4Х1 + 6Х2 + 7Х3 £ 360 При этом, т.к. количество изготовляемых деталей не может быть отрицательным, то Х1 ³ 0, Х2 ³ 0, Х3 ³ 0. Далее, если будет изготовлено Х1 изделий А, Х2 изделий В и Х3 изделий С, то прибыль от их реализации составит F = 10Х1 + 14Х2 + 12Х3 Итак, мы получаем систему четырех линейных неравенств с тремя неизвестными (Xj (j = 1…3): 1)2Х1 + 4Х2 + 5Х3 £ 120 2)Х1 + 8Х2 + 6Х3 £ 280 3)7Х1 + 6Х2 + 7Х3 £ 360 Х1 ³ 0, Х2 ³ 0, Х3 ³ 0. И линейную функцию F = 10Х1 + 14Х2 + 12Х3 относительно этих же переменных. Требуется среди всех неотрицательных решений системы неравенств найти такое, при котором целевая функция F принимает максимальное значение. Постановка задачи линейного программирования Найти оптимум (наибольшее или наименьшее значение) целевой функции (линейной формы) на области допустимых значений системы ограничений при наличии дополнительных условий неотрицательности переменных хj ³ 0, j = 1,…, n. Если в системе ограничений l = m, т.е. она состоит только из уравнений, то соответствующая форма записи называется канонической.
|
||||
Последнее изменение этой страницы: 2016-08-26; просмотров: 742; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.138.101.219 (0.011 с.) |