Некоторым недостатком метода Бокса-Уилсона является выполнение «лишних» опытов, так как по матрице планирования выполняется для факторов вдвое большее число опытов, чем рассчитывается коэффициентов уравнения регрессии. Этот недостаток устраняется в симплексных планах, в которых число опытов равно +1. В симплексных планах опыты выполняются в точках, равноудаленных друг от друга (рис. 5. 12).
Рис. 5.12. Формирование симплексных планов при числе факторов , равных 1 – отрезок (а), 2 – равносторонний треугольник (б)
и 3 – равносторонний тетраэдр (в)
Симплексный метод оптимизации наиболее целесообразно применять при необходимости решения задачи с высокой точностью поиска оптимума. Решение задачи рассмотрим на примере определения оптимальных скоростей движения сплошнойи дисперсной фаз жидкости в процессе экстракции.
Для противоточных экстракционных колонн оптимальные скорости движения дисперсной (WD) и сплошной (WС)фаз связаны уравнением
|
|
(5.76)
где (5.77)
где WХАР = соnst – характеристическая скорость.
Требуется найти WD и WС при WХАР = 0,121.
В силу сложности функции (3.71) для решения задачи нецелесообразно использовать даже такой простой метод оптимизации, как метод Гаусса-Зейделя в сочетании с методом сканирования (нелинейное программирование), поскольку уже для двухмерной задачи объем расчетов будет достаточно велик: при исследовании области значений WD и WС в пределах 0 ¸0,1 м/с с точностью D = 0,0005 м/с необходимо выполнить 40000 расчетов функций (5.76) и (5.77).
Применим симплексный метод оптимизации на базе теории планирования эксперимента, при этом в точках симплексного плана будем выполнять расчетный эксперимент, рассчитывая критерий оптимальности R по (5.76) с учетом (5.77).
При решении задачи симплексным методом расчет выполняется по следующему алгоритму (иллюстрация метода приведена на рис. 5.13).
1. При исследовании процесса по К факторам Z1, Z2,…, ZK в произвольной точке области исследования А разрабатывается матрица планирования для симплексов – пространственного К – мерного тела, состоящего из К + 1 точки (вершины), которые равноудалены друг от друга (при К = 2 симплекс – равносторонний треугольник).
2. Определив координаты вершин симплексов, в них выполняют физический или расчетный, как в данном случае, эксперимент, определяя таким образом К + 1 значение Ri в вершинах симплекса.
3. Сравнивая значения Ri между собой, определяют худшее (в нашем случае наибольшее) значение Ri и точку с худшим значением Ri отбрасывают.
4. Достраивают симплекс новой точкой, симметричной относительно отброшенной точки “поперек” грани симплекса, состоящей из оставшихся точек.
|
|
5. Во вновь построенной точке симплекса выполняют расчетный эксперимент и возвращаются на четвертый пункт алгоритма, выполняя таким образом перемещение к области экстремума (рис. 5.12). Подобный расчет выполняют до тех пор, пока симплекс не зациклится, т.е. как отбрасывание наихудшей точки (точка 10 на рис. 5.12) приводит к возвращению симплекса в позицию предыдущего расчета.
В этом случае расчет повторяют с первого пункта алгоритма, уменьшив размер симплекса за счет уменьшения шага варьирования DZJ по каждому из параметров процесса в симплексной матрице планирования до тех пор, пока не получим DZJ £ D, где D – погрешность расчета оптимальных параметров Z1 ОПТ = WD ОПТ и Z2 ОПТ = WС ОПТ, при которых R
стремится к min (в данной задаче Rmin = 0).
Z2
10 ● 14●
12● ●13
6● ● ● ●9
7 11
4● ● ●
5 8
2 ● ● 1
● A
3●
Z1
Рис. 5.13. Схема движения к оптимуму (минимум) симплексным методом.
Для рассматриваемого примера Z1 = WD, Z2 = W
(Пунктирные линии равного уровня проведены условно)
Математические основы решения задачи
Для построения координатсимплекса в кодированных переменных
ХJ (–1£ ХJ £+1) можно воспользоваться матрицей [ Х ] (табл. 5.3), в которой по строкам даныкодированные значения ХiJ для i -й точки симплекса, а по столбцам – номера параметра J (матрица приведена для числа исследуемых параметров К = 6, тогда симплекс насчитывает 7 точек).
Таблица 5.3
Матрица кодированных переменных симплексного плана
J =1 | J =2 | J =3 | J =4 | J =5 | J =6 | |
i =1 | 0,5 | 0,289 | 0,204 | 0,158 | 0,129 | 0,109 |
i =2 | -0,5 | 0,289 | 0,204 | 0,158 | 0,129 | 0,109 |
i =3 | -0,578 | 0,204 | 0,158 | 0,129 | 0,109 | |
i =4 | -0,612 | 0,158 | 0,129 | 0,109 | ||
i =5 | -0,632 | 0,129 | 0,109 | |||
i =6 | -0,645 | 0,109 | ||||
i =7 | -0,655 |
Для нашего эксперимента при К =2 и числа вершин симплекса N = К +1 = 3 выделяем часть матрицы [ Х ] при J =1,2, при i =1,2,3, то есть матрица кодированных значений ХiJ примет вид
[ Х ] = (5.78)
В начальной произвольной точке расчета А, в качестве которой, например, можно принять центр области исследования с координатами (при 0£ Zi £0,1)
м/с,
м/с,
Выбираем область планирования эксперимента с координатами центра плана и шагами интегрирования DZJ = =0,02» D =0,0005 м/с. Тогда характеристика области исследования примет вид матрицы
Z1 | Z2 | |
0,05 | 0,05 | |
ZJ | 0,02 | 0,02 |
Согласно формуле кодирования для ортогональных матриц (симплексная матрица относится к ортогональным)
. (5.79)
Подставляя в (5.79) кодированные значения из матрицы (3.73,а), рассчитываем координаты трех вершин симплекса по уравнению
, (3.80)
например, для первой вершины симплекса 2 ● ● 1 по первому параметру (J =1)
3 ●
= 0,05 + (0,5) ·0,02 = 0,060,
по второму параметру
= 0,05 + (0,289) ·0,02 = 0,05578.
Аналогичным расчетом определяем для второй вершины симплекса
= 0,05 + (–0,5) ·0,02 = 0,040,
= 0,05 + (0,289) ·0,01 = 0,05578
и для третьей вершины
= 0,05 + (0) ·0,02 = 0,05,
= 0.05 + (-0,578) ·0,02 = 0,03844.
Результаты расчета координат ZiJ первых трех точек анализа области исследования на оптимум и расчета Ri по (5.76) и (5..77) заносим в табл. 5.4.
В данном случае первая вершина – худшая, R1 – наибольшее; отбрасывая первую вершину, строим её зеркальное отражение – четвертую точку, которая в совокупности с оставшимися второй и третьей вершинами дает новый (второй симплекс).
Для расчета координат новой вершины рассчитываем значения параметров Z1 и Z2 по уравнениям:
(8.81)
, (8.82)
с дополнительным условием U ¹ i,
где - координаты отброшенной точки.
В частности, для четвертой рассчитываемой вершины второго симплекса при отбрасывании первой вершины (U =1) первого симплекса получим
;
;
;
;
в четвертой точке с координатами и рассчитываем R4, сравниваем значения R2, R3, R4 для второго по ходу расчета симплекса и вновь определяем худшую вершину (в данном случае это вершина 2).
|
|
Данный алгоритм повторяем до зацикливания симплекса, то есть до тех пор, пока после исключения U(N) –й вершины после выполнения N циклов расчета и перехода к U(N+1) –й вершине следующего симплекса не окажется, что U(N+1) –я вершина – самая неудачная, её надо исключать, но после исключения U(N+1) –й вершины выполняется переход в точку с координатами U(N) –й вершины предыдущего симплекса (табл. 5.4).
При зацикливании симплекса выбирают лучшую вершину последнего симплекса и вокруг нее, как центра нового плана, строится новый симплекс меньших размеров и повторяют алгоритм последовательного построения симплексов до очередного зацикливания симплексов.
Циклические операции выполняют до тех пор, пока при очередном уменьшении размеров симплекса при зацикливании решения задачи размеры симплекса по разности координат и по всем парам точек симплекса и не станут меньшими наперед заданной точности поиска координат экстремума.
Таблица 5.4.