Требования к параметру оптимизации. Параметры оптимизации

Требования к параметру оптимизации

Параметр оптимизации – это признак, по которому мы хотим оптимизировать процесс. Он должен быть количественным, задаваться числом. Мы должны уметь его намерять при любой возможной комбинации выбранных уровней факторов. Множество значений, которые может принимать параметр оптимизации, будем называть областью его определения. Области определения могут быть непрерывными и дискретными, ограниченными и неограниченными. Например, выход реакции – это параметр оптимизации с непрерывной ограниченной областью определения. Он может изменяться в интервале от 0 до 100%. Число бракованных изделий, число зерен на шлифе сплава, число кровяных телец в пробе крови – вот примеры параметров с дискретной областью определения, ограниченной снизу.

Уметь измерять параметр оптимизации - это значит располагать подходящий прибором. В ряде случаев такого прибора может не существовать или он слишком дорог. Если нет способа количественного измерения результата, то приходится воспользоваться приемом, называемым ранжированием (ранговым подходом). При этом параметрам оптимизации присваиваются оценки – ранги по заранее выбранной шкале: двухбалльной, пятибалльной и т.п. Ранговый параметр имеет дискретную ограниченную область определения. В простейшем случае область содержит два значения (да, нет; хорошо, плохо). Это может соответствовать, например, годной продукции и браку.

Ранг – это количественная оценка параметра оптимизации, но она носит условный (субъективный) характер. Мы ставим в соответствие качественному признаку некоторое число – ранг.

Для каждого физически измеряемого параметра оптимизации можно построить ранговый аналог. Потребность в построении такого аналога возникает, если имеющиеся в распоряжении исследователя численные характеристики неточны или неизвестен способ построения удовлетворительных численных оценок. При прочих равных условиях всегда нужно отдавать предпочтение физическому измерению, так как ранговый подход менее чувствителен и с его помощью трудно изучать тонкие эффекты.

Другие примеры рангового подхода: определение чемпиона мира по фигурному катанию или гимнастике, дегустация вин, сравнение произведений искусства и т. д. Или, если хотите, из области химии: сравнение продуктов по цвету, прозрачности, форме кристаллов.

Следующее требование: параметр оптимизации должен выражаться одним числом. Иногда это получаетсяестественно, как регистрация показания прибора. Например, скорость движения машины определяется числом на спидометре. Чаще приходится производить некоторые вычисления. Так бывает при расчете выхода реакции. В химии часто требуется получать продукт с заданным отношением компонентов, например, A:B = 3:2. Один из возможных вариантов решения подобных задач состоит в том, чтобы выразить отношение одним числом (1,5) и в качестве параметра оптимизации пользоваться значениями отклонений (или квадратов отклонений) от этого числа.

Еще одно требований, связанное с количественной природой параметра оптимизации, – однозначность в статистическом смысле. Заданному набору значений факторов должно соответствовать одно с точностью до ошибки эксперимента значение параметра оптимизации. Однако обратное неверно: одному и тому же значении параметра могут соответствовать разные наборы значений факторов.

Представление об эффективности не остается постоянным в ходе исследования. Оно меняется по мере накопления информации и в зависимости от достигнутых результатов. Это приводит к последовательному подходу при выборе параметра оптимизации. Так, например, на первых стадиях исследования технологических процессов в качестве параметра оптимизации часто используется выход продукта. Однако в дальнейшем, когда возможность повышения выхода исчерпана, нас начинают интересовать такие параметры, как себестоимость, чистота продукта и т. д.

Говоря об оценке эффективности функционирования системы, важно помнить, что речь идет о системе в целом. Часто система состоит из ряда подсистем, каждая из которых может оцениваться своим локальным параметром оптимизации. При этом оптимальность каждой из подсистем по своему параметру оптимизации не оптимальности системы в целом.

Мало иметь эффективный параметр оптимизации. Надо еще, чтобы он был эффективным в статистическом смысле. Фактически это требование сводится к выбору параметра оптимизации, который определяется с наибольшей возможной точностью. (Если и эта точность недостаточна, тогда приходится обращаться к увеличению числа повторных опытов.)

Пусть, например, нас интересует исследование прочностных характеристик некоторого сплава. В качестве меры прочности можно использовать как прочность на разрыв, так и макротвердость. Поскольку эти характеристики функционально связаны, то с точки зрения эффективности они эквивалентны. Однако точность измерения первой характеристика существенно выше, чем второй. Требование статистической эффективности заставляет отдать предпочтение прочности на разрыв.

Следующее требование к параметру оптимизации – требование универсальности или полноты. Под универсальностью параметра оптимизации понимается его способность всесторонне характеризовать объект. В частности, технологические параметры оптимизации недостаточно универсальны: они не учитывают экономику. Универсальностью обладают, например, обобщенные параметры оптимизации, Которые строятся как функции от нескольких частных параметров.

Желательно, чтобы параметр оптимизации имел физический смысл, был простым и легко вычисляемым.

Требование физического смысла связано с последующей интерпретацией результатов эксперимента. Не представляет труда объяснить, что значит максимум извлечения, максимум содержания ценного компонента. Эти и подобные им технологические параметры оптимизации имеют ясный физический смысл, но иногда для них может не выполняться, например, требование статистической эффективности. Тогда рекомендуется переходить к преобразованию параметра оптимизации.

Второе требование часто также оказывается весьма существенным. Для процессов разделения термодинамические параметры оптимизации более универсальны. Однако на практике ими пользуются мало: их расчет довольно труден.

Пожалуй, из этих двух требований первое является более существенным, потому что часто удается найти идеальную характеристику системы и сравнить ее с реальной характеристикой. Иногда при этом целесообразно нормировать параметр с тем, чтобы он принимал значения от нуля до единицы.

Кроме высказанных, требований и пожеланий при выборе параметра оптимизации нужно еще иметь в виду, что параметр оптимизации в некоторой степени оказывает влияние на вид математической модели исследуемого объекта. Экономические параметры, в силу их аддитивной природы, легче представляются простыми функциями, чем физико-химические показатели. Температура плавления сплава является, как известно, сложной, многоэкстремальной характеристикой состава, тогда как стоимость сплава зависит от состава линейно.

studfiles.net

Параметр оптимизации

При планировании экстремального эксперимента очень важно определить параметр, который нужно оптимизировать. Сделать это совсем не так просто, как кажется на первый взгляд. Цель исследования должна быть сформулирована очень четко и допускать количественную оценку. Будем называть характеристику цели, заданную количественно, параметром оптимизации. Параметр оптимизации является реакцией (откликом) па воздействие факторов, которые определяют поведение выбранной системы. Реакция объекта многогранна, многоаспектна. Выбор того аспекта, который представляет наибольший интерес, как раз и задается целью исследования.

При традиционном, не математическом, подходе исследователь стремится как-то учесть разные аспекты, взвесить их и принять «согласованное» решение о том, какой опыт «лучше». Однако разные экспериментаторы проведут сравнение опытов не одинаково. Различия, если хотите, одно из проявлений «таланта» исследователя или его «бездарности».

Прежде чем сформулировать требования к параметрам оптимизации и рекомендации по их выбору, познакомимся с различными видами параметров.

Виды параметров оптимизации

В зависимости от объекта и цели исследования параметры оптимизации могут быть весьма разнообразными. Чтобы ориентироваться в этом многообразии, введен некоторую классификацию (рис. 1). Мы не стремимся к созданию полной и детальной классификации. Наша задача – построить такую условную схему, которая включала бы ряд практически важных случаев и помогала экспериментатору ориентироваться в реальных ситуациях.

Рисунок 1

Реальные ситуации, как правило, сложны. Они часто требуют одновременного учета нескольких, иногда очень многих, параметров. В принципе каждый объект может характеризоваться сразу всей совокупностью параметров, приведенных на рис. 1, или любым подмножеством из этой совокупности. Движение к оптимуму возможно, если выбран один единственный параметр оптимизации. Тогда прочие характеристики процесса уже не выступают в качестве параметров оптимизации, а служат ограничениями. Другой путь – построение обобщенного параметра оптимизации как некоторой функции от множества исходных.

Прокомментируем некоторые элементы схемы.

Экономические параметры оптимизации, такие как прибыль, себестоимость и рентабельность, обычно используются при исследовании действующих промышленных объектов, тогда как затраты на эксперимент имеет смысл оценивать в любых исследованиях, в том числе и лабораторных. Если цена опытов одинакова (см. «Ограничения»), затраты на эксперимент пропорциональны числу опытов, которые необходимо поставить для решения данной задачи. Это в значительной мере определяет выбор плана эксперимента.

Среди технико-экономических параметров наибольшее распространение имеет производительность. Такие параметры, как долговечность, надежность и стабильность, связаны с длительными наблюдениями. Имеется некоторый опыт их использования при изучении дорогостоящих ответственных объектов, например радиоэлектронной аппаратуры.

Почти во всех исследованиях приходится учитывать количество и качество получаемого продукта. Как меру количества продукта используют выход, например, процент выхода химической реакции, выход годных изделий. Показатели качества чрезвычайно разнообразны. В пашей схеме они сгруппированы по видам свойств. Характеристики количества и качества продукта образуют группу технико-технологических параметров.

Под рубрикой прочие сгруппированы различные параметры, которые реже встречаются, но не являются менее важными. Сюда попали статистические параметры, используемые для улучшения характеристик случайных величин или случайных функций. В качестве примеров назовем задачи на минимизацию дисперсии случайной величины, на уменьшение числа выбросов случайного процесса за фиксированный уровень и т. д. Последняя задача возникает, в частности, при выборе оптимальных настроек автоматических регуляторов или при улучшении свойств нитей (проволока, пряжа, искусственное волокно и др.).

С ростом сложности объекта возрастает роль психологических аспектов взаимодействия человека или животного с объектом. Так, при выборе оптимальной организации рабочего места оператора параметром оптимизации может служить число ошибочных действий в различных возможных ситуациях. Сюда относятся задачи выработки условных рефлексов типа задачи «крысы в лабиринте».

При решении задач технической эстетики или сравнении произведений искусства возникает потребность в эстетических параметрах. Они основаны на ранговом подходе, который будет рассмотрен ниже.

studfiles.net

4.1.1 Параметры оптимизации.

При планировании экстремального эксперимента очень важно очень важно определить параметр , который нужно оптимизировать . Характеристику цели исследования, заданную количественно, будем называть параметром оптимизации.

Параметр оптимизации - признак, по которому будем оптимизировать процесс. Он должен быть количественным, т.е. задаваться числом. Его необходимо уметь измерять при любых возможных комбинациях выбранных факторов. Множество значений, которые может принимать параметр оптимизации, называется областью его определения. Параметр оптимизации доложен выражатьсяодним числом. Заданному по выбору значений факторов должно соответствовать одно с точностью до ошибки эксперимента значение параметра оптимизации.(однозначность в статистическом смысле).

Для успешного достижения цели исследования необходимо, чтобы параметр оптимизации действительно оценивал эффективность функционирования системы в заранее выбранном смысле. Это главное требование, определяющее корректность постановки задачи. Необходимо помнить, что речь ведется об эффективности функционирования системы в целом. Если всю систему разбить на несколько подсистем, каждая из которых оценивается своим локальным параметром оптимизации, то оптимальность каждой из подсистем по своему параметру оптимизации не оптимальности всей системы в целом.

Следующее требование к параметру оптимизации требование универсальности иполноты, т.е. всесторонне характеризующие объект. Желательно чтобы п.о.имел физический смысл, был простым и легко вычисляемым.

При планировании эксперимента с целью нахождения оптимальных условий в качестве единой выходной величены рассматривается критерий оптимальности (целевая функция), зависящий от входных параметров объекта. Эту функцию рассматривают как отклик объекта на указанную комбинацию факторов и называют функцией отклика.

##(стр. 85б)

4.1.2. Факторы.

После выбора параметра оптимизации нужно включить в рассмотрение все существенные факторы, которые могут влиять на процесс. Не учесть какого либо существенного фактора в лучшем случае приведет в росту ошибок измерения.

Фактором называется измеряемая переменная величена, принимающая в некоторый момент времени определенное значение. Факторы соответствуют способам воздействия на объект исследования. Другими словами входные параметры, которые оказывают влияние на объект и могут быть измерены, называются факторы.

Под областью определенияфактора понимается совокупность всех значений, которые в принципе может принимать фактор. Считается что фактор создан, если вместе с его названием указана область его определения. Она может бытьнепрерывной или дискретной. В задачах планирования, которые мы будем рассматривать, всегда будем использовать дискретные области определения. Т.е. даже для факторов с непрерывной областью определения (температура, давление, количество вещества) мы будем предполагать, что выбегаются дискретные множества их значений, называемые множествами уровней фактора. Если фактор принимает экспериментах несколько значений, то такие значения называютсяуровнями. В каждом отдельном эксперименте фактор находится на определенном уровне. Максимально возможное значение фактора -верхний уровень, минимально возможноенижний уровень. Зафиксировав набор уровней для каждого фактора в эксперименте мы полностью задали все возможные состояния черного ящика и задали число возможных опытов эксперимента.

##(стр 85в)

Факторы делятся на количественныеикачественные( t ,T,C, скорость передачи вещества) и (размытые реагенты, абсорбенты, кислоты, металлы) Хотя качественным факторам не соответствует числовая шкала в том смысле, в каком она понимается для количественных факторов, однако для них можно построить условную порядковую шкалу, которая ставит в соответствие уравнением качественного фактора числа натурального ряда, т.е. проводит кодирование. Порядок уравнений может быть произвольным но он после кодирования фиксируется.

Требования к факторам. Факторы должны быть управляемыми, т.е. факторы можно поддерживать на заданных уровнях. Должна быть указана последовательность действий (операций), помощью которых устанавливается заданное значение фактора в опыте (уровень).Точностьзамера факторов должна быть возможно более высокой.Однозначностьфактора, т.е. он не должен завесить от других факторов.

Изучим процесс растворения твердого тела в жидкости - диффузионный процесс. Может ли скорость диффузии служить фактором в планировании эксперимента?

По этому ответ на этот вопрос отрицательный. Совместимость факторов. Независимость факторов "Примеры так же получены, как и правила" (Ньютон)

studfiles.net

4.1.1 Параметры оптимизации.

##(стр. 85б)

4.1.2. Факторы.

##(стр 85в)

studfiles.net

Оптимизация параметры - Справочник химика 21

Недостатком метода множителей Лагранжа является введение дополнительных переменных, которые должны быть исключены с помощью дополнительных уравнений. Если учесть, что при решении задачи комплексной оптимизации параметров адсорбционных установок число уравнений связи между оптимизируемыми параметрами велико, то станет очевидной важность этого недостатка. Кроме отмеченного для метода множителей [c.124] Применение вычислительных машин сокращает продолжительность расчетов и позволяет решать задачи по оптимизации параметров проектирования. Стоимость теплообменных аппаратов зависит от многих факторов величины поверхности теплообмена, применяемых материалов, конструкций, рабочей температуры, давления и т. д. Так, при повышении давления с 6 до 43 ат стоимость аппарата возрастает на 60%, а с повышением температуры с 300 до 480" С — в 2 раза. Наибольшую стоимость при данной поверхности теплообмена имеют теплообменники с плавающей головкой, наименьшую — с жесткими трубными решетками. [c.269]

V стадия. Оптимизация параметров разработанной технологической схемы или выбор оптимального варианта технологической схемы химического производства. [c.188]

Четвертая стадия. Оптимизация параметров элементов и технологических потоков для сгенерированных перспективных вариантов технологической схемы, представленных в виде семантических графов. [c.143]

Этап 2. Расчет оптимальных параметров работоспособных состояний элементов, подсистем и ХТС в целом а) расчет параметров стационарных технологических режимов и б) оптимизация параметров стационарных технологических режимов. [c.148]

Оптимизация параметров стационарных технологических режимов ХТС [4, 56] —определение таких значений конструкционных и технологических параметров элементов, а также параметров технологических потоков между элементами, которые при известной технологической топологии ХТС и при ряде других технологических и физико-химических ограничений обеспечивают экстремальное значение критерия эффективности функционирования системы. [c.148]

Из задач оптимизации показателей надежности отдельных единиц оборудования, или элементов, ХТС выделим задачи оптимизации параметров конструкций оборудования с учетом показателей надежности, задачи оптимизации параметров технологических режимов оборудования с учетом показателей надежности и задачи оптимизации надежности проектных решений в условиях неопределенности исходной информации. [c.205]

Появившиеся в последнее время методы структурной оптимизации основаны на введении Рудом понятия структурной оптимизации параметров, позволяющего перейти к непрерывному описанию структуры ХТС. Введение структурных параметров значительно расширило возможности оптимизации, так как стало возможно варьирование структуры взаимодействия элементов или подсистем ХТС, но в то же время это естественно привело к увеличению числа степеней свободы и увеличению размерности задачи оптимизации ХТС. [c.180]

Основные принципы оптимизации параметров циклических адсорбционных процессов [c.9]

Параметры оптимизации. На практике оптимизация параметров адсорбционных установок проводится в несколько этапов, которые определяются режимами функционирования этих установок. Наиболее эффективна оптимизация на стадиях разработок и проектирования установок. Кроме того, задачи оптимизации возникают при необходимости соверщенствования режимов функционирования существующих установок. [c.10]

Комплексная оптимизация перспективных адсорбционных установок имеет целью выбор параметров процесса и ХТС, а также конструктивно-компоновочных параметров и характеристик аппаратов, которым соответствует минимум приведенных затрат применительно к условиям химико-технологической схемы и условий функционирования адсорбционной схемы установки. Идея комплексной оптимизации параметров циклической адсорбционной установки заключается в совместном допустимом изменении первоначальной совокупности значений комплекса взаимосвязанных параметров в таком направлении, которое дает снижение значения критерия эффективности до минимума. [c.14]

Задача оптимизации параметров адсорбционной установки может быть дана и в несколько иной формулировке найти такие значения независимых параметров связей хи Х2, л з,. .., такие значения конструктивных параметров 2ь Zз,. .., Z и такую совокупность значений дискретных параметров (признаков) конструктивно-компоновочного типа установки, для которых функция этих параметров 3 достигает минимума при соблюдении условий (1.3.11) — (1.3.15). Геометрически эту задачу можно истолковать как задачу нахождения в п- - и)-мерном пространстве точек, в которых исследуемая функция имеет минимум для каждого из Г и последующего выбора совокупности Г/, обеспечивающей получение глобального минимума функции 3. [c.16]

При практическом решении задачи оптимизации параметров циклической адсорбционной установки очень часто оказывается целесообразным деление расчетов на две части. В первой части осуществляется определение оптимальных значений непрерывно изменяющихся параметров адсорбционного процесса для заданных характерных условий, обобщенно охватывающих отдельные случаи применения установки. Во второй части решения задачи определяется оптимальный вид адсорбционной установки, т. е. выбираются состав, конструктивно-компоновочные формы аппаратов из нескольких перспективных их вариантов, а также оптимизируются другие дискретно изменяющиеся параметры. [c.16]

До сих пор рассматривалась задача оптимизации параметров процессов, технологической схемы адсорбционной установки при детерминированном задании показателей и характеристик внешних и внутренних учитываемых факторов. Между тем задачу комплексной оптимизации в общем виде необходимо рассматривать при недетерминированном задании исходной информации, что существенно усложняет постановку задачи и ее решение. Сочетание ряда особенностей и свойств стадий процесса оптимизации со свойствами и принятыми формами учета исходной информации определяет достаточно широкий диапазон возможных постановок задачи оптимизации адсорбционных [c.17]

Все указанные недостатки приводят к выводу о том, что использование классического метода определения экстремумов функции многих переменных для решения задач оптимизации параметров адсорбционных установок или отдельных элементов является неэффективным, поскольку 1) оно сводит первоначально поставленную задачу отыскания экстремума к таким вторичным задачам, которые оказываются не проще исходной, а зачастую и сложнее 2) при этом возникает необходимость в значительном изменении условий постановки адсорбционной задачи, искажающем ее сущность. [c.124]

Следующим методом слепого поиска, который может быть применен в процессе оптимизации параметров адсорбционных установок и их отдельных элементов для решения нелинейных экстремальных, многофакторных задач является метод статистических испытаний (метод Монте-Карло). Сущность этого метода заключается в том, что решение аналитической задачи заменяется моделированием некоторого случайного процесса. Его вероятностная характеристика, например вероятность определенного события или математического ожидания некоторой величины, имеет тесную связь с возможным решением исходной аналитической задачи. При использовании указанного метода необходимо большое число раз моделировать соответствующий случайный процесс и определять путем статистической обработки значение искомой характеристики — вероятности или математического ожидания. Поэтому метод статистических испытаний требует выполнения огромной вычислительной работы. [c.126]

Следует заметить, что в инженерных задачах оптимизации параметров адсорбционных установок, при постановке которых широко используются предшествующий опыт и знания о близких по типу установках, практически не бывает случаев, когда исходная точка отстоит от точки оптимума на очень большие расстояния. [c.136]

Приведенный перечень и краткая характеристика групп дискретных параметров показывают, что вторая часть задачи оптимизации параметров и профиля адсорбционных установок — оптимизация дискретно изменяющихся параметров — очень сложна. [c.145]

Путем изучения кинетических закономерностей составляют математические модели отдельных стадий и в целом процессов производства и облагораживания нефтяного углерода, которые затем можно использовать для расчетно-теоретической оптимизации параметров при проектировании и управлении процессами. Различают статистические модели, составляемые на основе обобщения опыта работы промышленных установок или с помощью метода активного эксперимента, и математические модели, которые основаны на кинетических закономерностях процесса. Алгоритмы управления процессами производства и облагораживания нефтяного углерода базируются на их математической модели и включают дополнительно ряд эмпирических зависимостей, полученных статистической обработкой показателей работы промышленных установок. [c.263]

По указанной причине задачи оптимизации параметров адсорбционных установок следует относить к классу задач невы- [c.152]

Появлению дополнительных локальных минимумов в общей задаче оптимизации параметров, технологической схемы и профиля оборудования адсорбционной установки способствует также наличие большой группы дискретно изменяющихся параметров, характеризующих вид технологической схемы, типы конструкций оборудования, используемые материалы и т. п. [c.153]

Формирование представительного множества условий создания и функционирования адсорбционной установки. Выбор способа получения набора сочетаний исходных данных, достаточно представительно и адекватно описывающего условия создания и функционирования адсорбционной установки, имеет исключительно важное значение для правильного решения задачи оптимизации параметров установки. С другой стороны, трудность построения представительного набора совокупностей исходных данных особенно велика в условиях неопределенности, когда имеется лишь приближенная количественная информация о внешних и внутренних связях установки. При определении числа возможных совокупностей случайных величин необходимо учитывать также ограничения, накладываемые вычислительными возможностями ЭВМ. В этой ситуации необходимо максимально использовать полученные на основании предшествующего опыта интуитивные знания о вероятностных свойствах показателей адсорбционных установок, т. е. о характере случайных колебаний и взаимозависимостей значений различных исходных показателей. [c.160]

Повышение селективности процессов за счет оптимизации параметров, выбора аппаратуры и подбора высокоселективных катализаторов. [c.243]

Оптимизация параметров н точности КСП [c.30]

В 60 —70-е годы в результате непрерывного совершенствования технологии и катализаторов (переход к хлорированным алю — моплатиновым, разработка биметаллических платино-рениевых, затем полиметаллических высокоактивных, селективных и стабильных катализаторов), оптимизации параметров и ужесточения режима (по ижение рабочих давлений и повышения температуры в реакторах) появились и внедрялись высокопроизводительные и более эффективные процессы платформинга различных поколений со ста1ДИонарным слоем катализатора. [c.191]

IV. Оптимизация параметров элементов и технологической топологии ХТС (мак-ро- и микропроектнрова-ние ХТС) [c.58]

Задача определения оптимального значения КЭ синтезируемой ХТС по выражению (IV,8) представляет собой типичную двухуровневую задачу оптимизации, включающую задачу внутренней оптимизации и задачу внешней оптимизации . Задача внутренней оптимизации выражения (IV,8), или задача оптимизации параметров ХТС, состоит в определении значений переменных декомпозиции Т, при которых суммарная величина оптимальных значений критериев эффективности подсистем и г1зп имеет оптимум. [c.147]

Задачей заключительной V стадии адаптационно-эволюционного метода являются оптимизация параметров технологической схемы, разработанной в результате выполнения предыдущих ста -дий метода, или выбор оптимального варианта из возможных альтернатив с использованием методов оптимизации сложных ХТС, разработанных в настоящее время. [c.203]

Классификация методов. Для решений сформулированной в гл. 1 задачи комплексной оптимизации параметров и профиля адсорбционных установок или отдельных ее частей и элементов при однозначно (детерминированно) заданных значениях влияющих факторов могут быть применены многие из известных математических методов поиска экстремума функции многих переменных [49, 50]. Однако при практической их реализации на ЭВМ возникают серьезные вычислительные трудности. Некоторые простейшие, широко известные методы минимизации обычно совершенно непригодны для решения реальных задач. Поэтому проблема выбора наиболее целесообразного метода решения задачи поиска минимума сложной функции из числа существующих имеет большое значение. [c.121]

Применение рассматриваемого метода целесообразно для оптимизации параметров элементов и групп элементов оборудования адсорбционных установок, имеющих относительно небольшое число независимых параметров и варьируемых внешних факторов — не выше 6—7 для ЭВМ среднего класса. При использовании ЭВМ с быстродействием в несколько миллионов операций в секунду (типа БЭСМ-6) область применения этого метода может быть расширена. [c.126]

Как было указано выше, полную задачу оптимизации параметров и профиля адсорбционной установки целесообразно делить на две части. В первой части осуществляется определение оптимальных значений непрерывно изменяющихся параметров адсорбционной установки данного типа. Во второй части решения задачи определяется оптимальный тип установки, т. е. выбираются состав оборудования, конструктивно-компоновочные решения для элементов оборудования и агрегатов, а также наивыгод-нейший вид тепловой схемы установки. [c.144]

Оптимизация вида адсорбционной схемы. Технологические схемы адсорбционных установок с оптимальными свойствами могут быть синтезированы путем последовательного применения методов нелинейного программирования для множества технологических графов, отображающих различные структурные состояния технологической схемы адсорбционной установки. Эта наиболее общая задача оптимизации адсорбционной установки должна решаться с учетом как иерархической взаимосвязи между подзадачами оптимизации параметров элементов оборудования, агрегатов и установки в целом, так и алгоритмических особенностей оптимизации непрерывно и дискретно изменяющихся параметров. Соответственио в методике решения задачи синтеза оптимальных схем адсорбционных установок должны быть итерационно взаимосвязаны алгоритм нелинейного математического программирования, принятый для оптимизации непрерывно изменяющихся концентрационных, термодинамических и расходных параметров установки алгоритм дискретного нелинейного программирования, с помощью которого осуществляется оптимизация дискретно изменяющихся конструктивно-компо-новочных параметров элементов оборудования и агрегатов установки алгоритм оптимизации вида технологической схемы установки с учетом технических и структурных ограничений. [c.149]

Определенную направленность в процессе поиска абсолютного минимума функции 3 обеспечивает применение метода оврагов . Сущность этого метода заключается в использовании информации о минимизируемой функции для выбора положения новой начальной (исходной) точки после получения нескольких (не менее двух) локальных минимумов. Процесс поиска локального минимума при этом осуществляется одним из обычных методов, например градиентным. Реализуется метод оврагов следующим образом. Все оптимизируемые параметры разбиваются на две группы к первой относятся те параметры, изменение которых существенно влияет на измененне функции цели, ко второй— те, варьирование которых ненамного изменяет значение 3. Такое разбиение должно производиться либо заранее, либо в процессе поиска. В методе оврагов локальные уменьшения функции цели за счет оптимизации параметров первой группы [c.154]

Приведенный обзор подтверждает, что уровень разработанности методов поиска абсолютного экстремума в многоэкстремальных задачах позволяет ориентироваться на практическое использование только приближенных методов. Некоторая компенсация этого недостатка и получение достаточно точных для инженерных целей результатов возможны за счет увеличения знаний о свойствах решаемой задачи. В связи с этим при решении задач оптимизации параметров и профиля адсорбционных установок необходимо проводить всестороннее и неоднократное изучение характера изменения минимизируемой функции и функций ограничения. Для исследования области оптимальных решений разработан и реализован на ЭВМ подход, базирующийся на использовании метода двупараметрических сечений. В результате таких исследований получаем сведения о структуре допустимой области изменения параметров, о местах, подозреваемых на оптимум, и т. п. Все это позволяет достаточно обоснованно установить рациональную организацию процесса спуска, в частности [c.155]

Особенно актуальна данная задача при совместном проектиро--вании ХТС и АСУТП. Разработка АСУ требует оптимизации параметров переходных процессов в элементах ХТС с учетом их взаимного влияния. [c.177]

Как уже было отмечено, при синтезе алгоритмов стабилизации было применено численное моделирование системы в целом с одновременным применением метода Розенброка для определения оптимальных параметров в алгоритмах стабилизации. Для ограничения времени, необходимого для расчетов на вычислительной машине, математическая модель реактора была упрощена. При упрощении мы исходили из полной метаматической модели реактора в виде системы дифференциальных уравнений в частных производных [215], которая решалась на ЭВМ. Затем численные решения были аппроксимированы в форме последовательного соединения нелинейной статической модели и линейной динамической модели (рис. IX.10). Аппроксимированная модель была использована при оптимизации параметров алгоритмов стабилизации. [c.366]

Аниканов С. Г. Оптимизация параметров установки для очистки рабочих жидкостей в условиях эксплуатации строителы1ых машин. Автореф. дисс. канд. техн. наук. Л. ЛИСИ. 1980. [c.110]

В преллагаемой читателю монографии освещены вопросы оценки технологичности, функционального анализа и оптимизации параметров технического состоянил печных агрегатов содового производства. Описан, разработанный авторами комплекс технологического воздействия, реализованный в виде технологической системы в блочно-модульном исполнении. [c.3]

Метод математического моделирования конструкторской точности КСП использовался для изучения структуры и функционирования, прогнозиров., ия, оптимизации параметров и точности базовых деталей, теоретическое и экспериментальное исследование которых традиционными методами невозможно. Он включал [c.31]

chem21.info

Параметр оптимизации - это... Что такое Параметр оптимизации?

Параметр оптимизации

8. Параметр оптимизации

Показатель качества детали, сборочной единицы или технологического процесса, для определения наилучшего значения которого проводится эксперимент

Словарь-справочник терминов нормативно-технической документации. academic.ru. 2015.

параметр неопределенности K, дБ
параметр отображения

Смотреть что такое "Параметр оптимизации" в других словарях:

параметр — 3.4 параметр: Одно из измеряемых свойств испытуемого материала. Источник: ГОСТ Р 52205 2004: Угли каменные. Метод спектрометрического определения генетических и технологических параметров … Словарь-справочник терминов нормативно-технической документации
параметр модели — 3.3 параметр модели: Коэффициент или функция, характеризующий(ая) поведение физического объекта в рамках данной математической модели. Источник: ГОСТ Р ИСО 14837 1 2007: Вибрация. Шум и вибрация, создаваемые движением рельсового транспорта. Часть … Словарь-справочник терминов нормативно-технической документации
РДМУ 109-77: Методические указания. Методика выбора и оптимизации контролируемых параметров технологических процессов — Терминология РДМУ 109 77: Методические указания. Методика выбора и оптимизации контролируемых параметров технологических процессов: 73. Адекватность модели Соответствие модели с экспериментальными данными по выбранному параметру оптимизации с… … Словарь-справочник терминов нормативно-технической документации
Фактор — 5. Фактор Ндп. Параметр Переменная величина, по предположению влияющая на результаты эксперимента Источник: ГОСТ 24026 80: Исследовательские испытания. Планирование эксперимента. Термины и определения … Словарь-справочник терминов нормативно-технической документации
Парадигма — (Paradigm) Определение парадигмы, история возникновения парадигмы Информация об определении парадигмы, история возникновения парадигмы Содержание Содержание История возникновения Частные случаи (лингвистика) Управленческая парадигма Парадигма… … Энциклопедия инвестора
анализ — 3.8.7 анализ (review): Деятельность, предпринимаемая для установления пригодности, адекватности и результативности (3.2.14) рассматриваемого объекта для достижения установленных целей. Примечание Анализ может также включать определение… … Словарь-справочник терминов нормативно-технической документации
Муравьиный алгоритм — Поведение муравьёв явилось вдохновением для создания метаэвристической технологии оптимизации Муравьиный алгоритм (алгоритм оптимизации подражанием муравьиной колонии, англ. ant colony optimization, ACO) од … Википедия
Алгоритм Левенберга — Алгоритм Левенберга Марквардта метод оптимизации, направленный на решение задач о наименьших квадратах. Является альтернативой методу Ньютона. Может рассматриваться как комбинация последнего с методом градиентного спуска или как метод … Википедия
Управление проектированием — Управление проектированием это организационно техническая деятельность, которая в рамках условий поставленной задачи позволяет наилучшим образом разработать проектную документацию на новую продукцию. Содержание 1 Проектная деятельность 1.1 … Википедия
ГОСТ 24026-80: Исследовательские испытания. Планирование эксперимента. Термины и определения — Терминология ГОСТ 24026 80: Исследовательские испытания. Планирование эксперимента. Термины и определения оригинал документа: 34. Адекватность математической модели Адекватность модели Соответствие математической модели экспериментальным данным… … Словарь-справочник терминов нормативно-технической документации

normative_reference_dictionary.academic.ru

Виды параметров оптимизации

Химия Виды параметров оптимизации
просмотров - 46

Параметр оптимизации

При планировании экстремального эксперимента очень важно определить параметр, который нужно оптимизировать. Сделать это совсем не так просто, как кажется на первый взгляд. Цель исследования должна быть сформулирована очень четко и допускать количественную оценку. Будем называть характеристику цели, заданную количественно, параметром оптимизации. Параметр оптимизации является реакцией (откликом) па воздействие факторов, которые определяют поведение выбранной системы. Реакция объекта многогранна, многоаспектна. Выбор того аспекта͵ который представляет наибольший интерес, как раз и задается целью исследования.

При традиционном, не математическом, подходе исследователь стремится как-то учесть разные аспекты, взвесить их и принять «согласованное» решение о том, какой опыт «лучше». При этом разные экспериментаторы проведут сравнение опытов не одинаково. Различия, если хотите, одно из проявлений «таланта» исследователя или его «бездарности».

Учитывая зависимость отобъекта и цели исследования параметры оптимизации бывают весьма разнообразными. Чтобы ориентироваться в этом многообразии, введен некоторую классификацию (рис. 1). Мы не стремимся к созданию полной и детальной классификации. Наша задача – построить такую условную схему, которая включала бы ряд практически важных случаев и помогала экспериментатору ориентироваться в реальных ситуациях.

Рисунок 1

Реальные ситуации, как правило, сложны. Οʜᴎ часто требуют одновременного учета нескольких, иногда очень многих, параметров. В принципе каждый объект может характеризоваться сразу всей совокупностью параметров, приведенных на рис. 1, или любым подмножеством из этой совокупности. Движение к оптимуму возможно, если выбран один единственный параметр оптимизации. Тогда прочие характеристики процесса уже не выступают в качестве параметров оптимизации, а служат ограничениями. Другой путь – построение обобщенного параметра оптимизации как некоторой функции от множества исходных.

Прокомментируем некоторые элементы схемы.

Экономические параметры оптимизации, такие как прибыль, себестоимость и рентабельность, обычно используются при исследовании действующих промышленных объектов, тогда как затраты на эксперимент имеет смысл оценивать в любых исследованиях, в том числе и лабораторных. В случае если цена опытов одинакова (см. «Ограничения»), затраты на эксперимент пропорциональны числу опытов, которые крайне важно поставить для решения данной задачи. Это в значительной мере определяет выбор плана эксперимента.

Среди технико-экономических параметров наибольшее распространение имеет производительность. Такие параметры, как долговечность, надежность и стабильность, связаны с длительными наблюдениями. Имеется некоторый опыт их использования при изучении дорогостоящих ответственных объектов, к примеру радиоэлектронной аппаратуры.

Почти во всех исследованиях приходится учитывать количество и качество получаемого продукта. Как меру количества продукта используют выход, к примеру, процент выхода химической реакции, выход годных изделий. Показатели качества чрезвычайно разнообразны. В пашей схеме они сгруппированы по видам свойств. Характеристики количества и качества продукта образуют группу технико-технологических параметров.

При решении задач технической эстетики или сравнении произведений искусства возникает потребность в эстетических параметрах. Οʜᴎ основаны на ранговом подходе, который будет рассмотрен ниже.

Требования к параметру оптимизации. Параметры оптимизации