 |
Технологических процессов (лаба 3)
|
|
|
|
Многокритериальная оптимизация
Многокритериальная оптимизация или программирование — это процесс одновременной оптимизации двух или более конфликтующих целевых функций в заданной области определения.
Основной целью системного анализа технологического процесса на операционном уровне является выбор оптимального маршрута: такого пути на многовариантном графе, который является наилучшим по выбранным заранее критериям.
Задача многокритериальной оптимизации формулируется следующим образом:
где 
это 
(
) целевых функций. Векторы решений 
относятся к непустой области определения 
.
Задача многокритериальной оптимизации состоит в поиске вектора целевых переменных, удовлетворяющего наложенным ограничениям и оптимизирующего векторную функцию, элементы которой соответствуют целевым функциям. Эти функции образуют математическое описание критерия удовлетворительности и, как правило, взаимно конфликтуют. Отсюда, «оптимизировать» означает найти такое решение, при котором значение целевых функций были бы приемлемыми для постановщика задачи.
Например(может так понятнее) надо принять решение о постройке шоссейной дороги в объезд города. Приходится при этом учитывать такие разнородные факторы и интересы разных субъектов, как выигрыш города в целом (меньше машин, чище воздух), проигрыш отдельных горожан (пассажиры, проезжающие через город, могут останавливаться на обед, делать покупки и т. п., а теперь это оказывается невозможным), повышение безопасности движения, время, затрачиваемое транспортом на проезд через город и объезд вокруг него и т. д.
Для решения таких задач с помощью ЭВМ требуется их формализация ( описание теорий, осмысленных предложений формальными средствами, прежде всего символами математики и математической логики), которая неизбежно связывается с экспертными оценками как самих критериев, так и взаимоотношений между ними (одни критерии противоречат друг другу, другие, наоборот, действуют в одном направлении, третьи — индифферентны, безразличны друг к другу). Известен ряд способов решения многокритериальных задач: Наиболее используемыми являются:
|
|
|
- построение обобщенного критерия оптимизации;
- пороговая оптимизация.
В СЛУЧАИ ЧЕГО ВСПОМИНАЙТЕ ЛАБУ №3 ЧТО МЫ ДЕЛАЛИ ТАМ
33. Классификация нейронных сетей, Гибридная сеть. Применение в Машинострой.
Нейронная сеть представляет собой совокупность нейроподобных элементов, определенным образом соединенных друг с другом и с внешней средой с помощью связей, определяемых весовыми коэффициентами. В зависимости от функций, выполняемых нейронами в сети, можно выделить три их типа:
• входные нейроны, на которые подается вектор, кодирующий входное воздействие или образ внешней среды; в них обычно не осуществляется вычислительных процедур, а информация передается с входа на выход путем изменения их активации;
• выходные нейроны, выходные значения которых представляют выходы нейронной сети; преобразования в них осуществляются по выражениям (1.1) и (1.2);
• промежуточные нейроны, составляющие основу нейронных сетей, преобразования в которых выполняются также по выражениям (1.1) и (1.2).
| (1.1) | |
| y = f(s) | (1.2) | |
С точки зрения топологии можно выделить три основных типа нейронных сетей:
• полносвязные (рис. 4, а);
• многослойные или слоистые (рис. 4, б);
• слабосвязные (с локальными связями) (рис. 4, в).
Рис. 4. Архитектуры нейронных сетей:
а - полносвязная сеть, б - многослойная сеть с последовательными связями, в - слабосвязные сети
|
|
|
В полносвязных нейронных сетях каждый нейрон передает свой выходной сигнал остальным нейронам, в том числе и самому себе. Все входные сигналы подаются всем нейронам. Выходными сигналами сети могут быть все или некоторые выходные сигналы нейронов после нескольких тактов функционирования сети.
В многослойных нейронных сетях нейроны объединяются в слои. Слой содержит совокупность нейронов с едиными входными сигналами. Число нейронов в слое может быть любым и не зависит от количества нейронов в других слоях. В общем случае сеть состоит из Q слоев, пронумерованных слева направо. Внешние входные сигналы подаются на входы нейронов входного слоя (его часто нумеруют как нулевой), а выходами сети являются выходные сигналы последнего слоя. Кроме входного и выходного слоев в многослойной нейронной сети есть один или несколько скрытых слоев. Связи от выходов нейронов некоторого слоя q к входам нейронов следующего слоя (q +1) называются последовательными.
Под гибридной интеллектуальной системой принято понимать систему, в которой для решения задачи используется более одного метода имитации интеллектуальной деятельности человека. Таким образом ГИС — это совокупность:
§ аналитических моделей
§ экспертных систем
§ искусственных нейронных сетей
§ нечетких систем
§ генетических алгоритмов
§ имитационных статистических моделей
Междисциплинарное направление «гибридные интеллектуальные системы» объединяет ученых и специалистов, исследующих применимость не одного, а нескольких методов, как правило, из различных классов, к решению задач управления и проектирования.
|
|
|
