Метод градиента
Устройств и систем методами направленного поиска.
Характеристика оптимизации электромеханических
В курсе лекций изучаются и исследуются методы и алгоритмы направленного поиска оптимальных проектных решений: градиентного, случайного и покоординатного поиска и рассматривается их применение при параметрической оптимизации ГД.
Для решения задач параметрической оптимизации ЭМУС находят широкое применение методы направленного поиска.
В отличие от пассивного поиска для этих методов характерно:
1) целенаправленное движение в области изменения параметров оптимизации от худшего варианта к лучшему;
2) при этом направление поиска последующей точки определяется местоположением предыдущей, т. е. конкретный вариант объекта проектирования, в частности при проектировании ЭМУС – вариант, например, гироскопического электродвигателя системы управления летательным аппаратом или генератора системы электроснабжения, определяется, кроме всего прочего, предыдущим вариантом.
Методы направленного поиска позволяют существенно уменьшить затраты на определение экстремума функции цели по сравнению с методами пассивного поиска.
В то же время для методов направленного поиска характерно:
1) более сложные алгоритмы поиска по сравнению с методами пассивного поиска;
2) они позволяют определить приближение лишь к локальному экстремуму функции цели в допустимой области изменения параметров оптимизации;
3) процесс поиска ими существенно затрудняется при наличии ограничений.
Необходимо более подробно рассмотреть алгоритм этих методов.
В основе метода градиента, как и других градиентных методов, лежит организация движения изображающей точки в направлении градиента (антиградиента) функции цели Q, который определяется соотношением
, | (2.19) |
где – единичный вектор по оси xi.
По определению градиент это вектор направление, которого совпадает с направлением, в котором функция возрастает с наибольшей скоростью, а модуль определяется совокупностью частных производных по переменным.
Алгоритм метода градиента укрупнённо состоит из следующих основных этапов:
1) Выбирается точка начала поиска. В отличие от методов пассивного поиска в этом случае поиск должен начинаться из некоторой точки в области допустимых значений параметров S. Необходимость выполнения этого требования объясняется тем, что вычисление градиента Q может оказаться невозможным вне области S, так как нарушения некоторых ограничений приводят к изменению математических моделей объекта или отдельных параметров. Для математического описания ЭМУС, в том числе и для ГД, характерно отсутствие явновыраженных зависимостей функции цели от параметров, поскольку функциональные зависимости для показателей объекта проектирования
(2.20) |
имеют неявновыраженный характер. Поэтому на практике используется численный метод определения градиента grad Q, в соответствии с которым даются малые приращения d xi каждому нормированному параметру в отдельности и в результате расчётов определяются соответствующие приращения функции цели d Qi. Тогда выражение (2.19) преобразуется к виду
(2.21) |
то есть частные производные заменяются отношениями приращений. Понятно, что число обращений к модели объекта проектирования возрастает с увеличением размерности области поиска n.
2) Нормируются изменяемые параметры. Поиск экстремума функции цели в области нормированных параметров позволяет, во-первых, преодолеть разнородность параметров оптимизации, во-вторых, отстроиться от несопоставимости пределов их изменения. Нормирование параметров осуществляется по соотношению
(2.22) |
3) Осуществляется поиск внутри допустимой области изменения параметров с рабочим шагом h. Для совершения очередного k -го шага в направлении градиента Q параметры объекта проектирования (координаты изображающей точки) преобразуются следующим образом:
. | (2.23) |
где – коэффициент пропорциональности, определяющий величину рабочего шага по i -му параметру.
4) На каждом рабочем проверяются ограничения и наличие улучшения значение функции цели. Если при выполнении очередного шага нарушаются ограничения или не удается улучшить значение функции цели, первоначально заданная величина рабочего шага уменьшается, как правило, в 2 раза, и действия по определению координат изображающей точки, проверке ограничений и определению значения Q повторяются снова.
5) Деление рабочего шага продолжается до тех пор, пока не будет достигнуто улучшения значения функции цели или не будет выполнено условие окончания поиска. Это условие состоит в следующем: если в выбранном в некоторой точке направлении на удаётся выполнить рабочий шаг, дающий улучшение функции цели и по значению превышающий некоторое положительное заранее заданное малое число e, соответствующее, например, нормированному значению отрезка разбиения в методах пассивного поиска, то поиск считается законченным. Минимальная величина рабочего шага e будет в данном случае характеризовать точность приближения к точке, соответствующей экстремуму Q в пространстве параметров. Таким образом, условие окончания поиска следующее:
, | (2.24) |
В случае действия ограничений поиск заканчивается при первом выходе на границу области допустимых значений параметров S.
Особенности реализации алгоритма метода градиента состоят в следующем:
1) в организации численного вычисления градиента Q, для чего надо n раз определить значение приращения Q при изменениях параметров d xi, i=1,2,…, n.
2) точность приближения к локальному экстремуму характеризуется объёмом e-окрестности, которая представляет собой п -мерный параллелепипед, и определяется следующим образом:
, | (2.25) |