Разработка алгоритма решения задачи

РАЗРАБОТКА АЛГОРИТМОВ РЕШЕНИЯ ЗАДАЧ ИССЛЕДОВАНИЯ ХТС [c.308]

Однако имеющимся разработкам присущи два крупных не- достатка. Во-первых, нет единой системы алгоритмов и программ для решения задач оптимизации на всех уровнях объектов (от- i дельный аппарат, теплообменник, система теплообменников, совокупность теплообменников предприятия, отраслевой парк теплообменников, общегосударственный парк теплообменников), поэтому оптимизация аппаратуры, выполняемая при решении каждой отдельной задачи, осуществляется без учета результатов оптимизации, полученных при решении других задач. Во-вторых, применяемые в проектировании алгоритмы и программы несовместимы по критериям оптимальности, полноте и точности элементов теплового, гидравлического, конструктивного и экономического расчетов. Они имеют недостаточную область приложения V по процессам теплообмена, конструкциям аппаратов, схемам тока сред в аппаратах и теплообменниках и по ряду других признаков Если исходить из ориентировочной цифры Ю " частных алгоритмов, требуемых для оценки эффективности работы всех возможных, в том числе и перспективных, вариантов теплообменников, то нетрудно определить, что сейчас имеется таких алгоритмов в триллион раз меньше. Поэтому идти по пути накопления большого числа частных алгоритмов по меньшей мере бесперспективно и связано с распылением сил и большими расходами. [c.309]

Для конкретизации изложенного покажем разработку блок-схемы алгоритма решения задачи на определение молекулярной формулы вещества (схема 3). Условие задачи при сгорании 2,3 г органического вещества образовалось 4,4 г оксида углерода (IV) и 2,7 г воды. Плотность паров этого вещества по воздуху равна 1,59. Найти формулу вещества. [c.35]

РАЗРАБОТКА АЛГОРИТМА РЕШЕНИЯ ЗАДАЧИ [c.30]

Алгоритм решения задачи разрабатывается на основании методики ее решения на языке математических описаний, а затем записывается на алгоритмическом языке. Обычно для записи алгоритмов применяют языки АЛГОЛ, ФОРТРАН, КОБОЛ, РЬ/ и др. Разработка алгоритма решения задачи должна осуществляться с учетом особенностей машины. [c.30]

Для разработки методов решения задач синтеза ХТС первого— четвертого классов широко применяют декомпозиционный и эвристический принципы синтеза ХТС. Интегрально-гипотетический принцип используют при создании методов и алгоритмов решения пятого класса задач синтеза ХТС. Методы и алгоритмы решения задач синтеза ХТС шестого и седьмого классов базируются на применении эволюционного (в ряде случаев и эвристического) принципа синтеза ХТС. [c.143]

Для математической формализации, а также для разработки методов и алгоритмов решения задач расчета показателей надежности сложных ХТС произвольной структуры с учетом и без учета восстановления необходимо использовать различные классы символических и топологических моделей надежности ХТС, принципы построения которых кратко изложены в разделах 6.4 и 6.5. [c.174]

При разработке алгоритмов решения типовых задач прежде всего необходимо обеспечить сходимость решения и его точность. Это лучше всего достигается с помощью систем автоматического программирования, при котором объем исходной программы значительно меньше и меньше вероятность ошибок в связи с простотой ее записи. [c.40]

Методика решения задачи считается разработанной, когда установлены зависимости всех искомых результатов от исходных данных и указаны такие методы получения искомых результатов, которые могут быть реализованы на ЦВМ. В некоторых случаях пригодность (или непригодность) избранных методов может быть установлена только на последующих этапах в процессе разработки алгоритма решения и даже в процессе решения задачи на ЦВМ. При непригодности выбранных методов приходится возвращаться к этапу разработки методики. [c.27]

Одной из основных целей теоретического анализа задач ТК является разработка алгоритмов решения обратных задач с целью определить параметры скрытых дефектов по результатам экспериментальных наблюдений. Аналитические решения, полученные классическими методами, настолько громоздки, что их обращение инвертирование) невозможно. Относительно простые решения прямых и обратных задач ТК, в основе которых лежит анализ решений в области Лапласа, где соответствующие формулы носят алгебраический характер, получены с помощью метода "термического четырехполюсника" [18] (см, также п. 4.5). Ниже изложены основные положения этого метода. [c.57]

Q]. Но эти методы требуют специального подхода к задаче при разработке алгоритма решения. Здесь речь шла о создании общего подхода к решению задач определенного класса. [c.138]

Разработка так называемого алгоритма решения задачи. [c.14]

Выбору комплекса технических средств АСУ предшествует работа по постановке задач и разработке алгоритмов их решения, ориентировочному формированию массивов информации, определению частоты и форм ввода и вывода информации, а также определению требований к времени и периодичности решения задач. При формировании массивов информации производится оценка их объемов и частоты обращения к ним, что позволяет определить типы запоминающих устройств, необходимых для хранения массивов, и их емкости. Необходимое быстродействие ЭВМ определяется путем оценки сложности алгоритмов решения задач, требований к времени их решения и объемов информации, обрабатываемой на ЭВМ в период наибольшей загрузки. Полученные данные позволяют выбрать конкретную модель ЭВМ. [c.143]

Для реализации заданного режима работы КС требуется внешнее входное воздействие на управляющее устройство САУ КС, Таким воздействием служит поступление информационных элементов из внешнего источника системы управления высшего ранга. Кроме того, те или иные задачи управления могут включаться для компенсации неблагоприятных изменений в объекте и окружающей среде. Очевидно, моменты и последовательность решения задач в той или иной ситуации управления не могут быть произвольными, Таким образом, помимо разработки алгоритмов решения отдельных задач, необходимо построить общий алгоритм функционирования САУ КС, [c.84]

Для решения указанных задач, возникающих при разработке алгоритмов синтеза ХТС на основе теории элементарной декомпозиции и декомпозиционного принципа, необходимо широко использовать методы теории графов, методы эвристического программирования, специальные методы решения экстремальных комбинаторных задач (например, метод ветвей и границ), методы адаптации, обучения и самообучения, методы целочисленного линейного программирования, методы статического моделирования и другие современные математические методы общей теории систем. [c.156]

Изложенный алгоритм решения задачи пригоден как на стадии проектирования, так и при определении перспектив доразработки месторождения газа со сложившейся системой разработки. При этом, естественно, сокращается число исследуемых вариантов. [c.259]

Уровень требований к расчету и проектированию промышленного оборудования для осуществления контактно-каталитических процессов, интенсивное развитие вычислительной техники и расширение областей ее применения оказывают существенное влияние на задачи математического моделирования гетерогенно-каталитических процессов они становятся намного сложнее, а их решение требует введения новых понятий, методов и средств реализации. Изменяется и сам подход к решению задач математического моделирования. Если до недавнего времени исследователь ставил задачу, исходя из физической сущности каталитического процесса, а затем представлял ее решение математику-вычислителю, то теперь традиционное разделение труда исследователя-химика и математика-вычислителя меняет свой характер, приобретая качественно новые формы. Последнее связано с тем, что построение расчетной модели гетерогенно-каталитического процесса настолько тесно переплетается с разработкой вычислительного алгоритма, что отделить эти стадии друг от друга зачастую невозможно. Для математического моделирования в настоящее время характерна машинно-ориентированная формализация и автоматизация как самой постановки задачи, так и всех процедур, связанных с ее реализацией на ЭВМ. [c.219]

Интеллектуальные системы аналитических преобразований (САП). В математическом обеспечении ЭВМ в последние годы все чаще присутствуют системы аналитических преобразований (САП). Они предназначены для облегчения программирования п решения задач, связанных с преобразованием математических выражений. Автоматизированное выполнение аналитических преобразований при помощи ЭВМ стало возможным благодаря развитию методов обработки символьной информации и искусственного интеллекта соответствующих языков программирования методов трансляции и организации памяти разработке вычисленных алгоритмов [62] и т. п. Под аналитическим преобразованием понимаем формальное преобразование математического выражения, заданного в символьном виде, по определенным правилам. Наиболее часто встречающимися операциями аналитического преобразования являются дифференцирование и интегрирование функциональных выражений подстановка вместо переменных констант и выражений упрощение выражений (свертка констант, приведение подобных членов в многочленах и т. п.) разрешение уравнений относительно заданных переменных действия над матрицами, элементами которых являются символьные выражения вынолнение алгебраических действий (сложение, вычитание, умножение, деление) над арифметическими выражениями и т. п. [c.248]

Венгерский метод в классическом варианте применим только для замкнутой модели трапспортной задачи. Поэтому при разработке алгоритмов решения транспортной задачи с открытой или полуоткрытой системой ограничений исследовались и были определены эффективные методы предварительного построения замыкания исходной модели с последующим применением венгерского метода. В общем случае схема решения такой задачи представляет собой двухэтапную процедуру, где на первом этапе определяется замыкание модели, а на втором по замыканию модели отыскивается оптимум задачи. [c.135]

Так, например, ФАП-КФ (формализованный аппарат геометрического моделирования на основе компилятора с языка фортран) относится к программным средствам геометрического моделирования й автоматизации игр и представляет собой пакет программ на языке фортран. Пакет организован так, что по отношению к пользователю ФАП-КФ выступает в виде самостоятельного геометрически-ориентированного языка, являющегося расширением языка фортран геометрическими переменными (линиями, поверхностями первого и второго порядка) и операциями. Он может быть использован в качестве языка программирования при создании геометрических блоков систем автоматического конструирования и технологического проектирования, при разработке алгоритмов и программ решения сложных геометрических задач, а также в ряде других задач, которые могут быть решены геометрическим моделированием. [c.240]

Разработанный авторами метод решения задач векторной оптимизации ХТС позволяет уже на первом этапе определить все эффективное множество. Авторы использовали имеющийся опыт разработки алгоритмов решения векторных оптимизационных задач и, прежде чем приступить к описанию новых результатов, считают необходимым вкратце его осветить. Работы анашзируются в последовательности, соответствующей основным классификационным группам, приведенным в табл. 1. [c.21]

Математическое описание типовых процессов химической технологии обычно выражается определенными классами уравнений. Это часто позволяет формализовать процесс его составления и существенно облегчает задачу разработки алгоритмов. Более того, принцип изоморфности математического описания позволяет в результате решения одной конкретной задачи получить информацию о свойствах целого класса объектов с аналогичными математическими описаниями. Подобным примером являются дифференциальные уравнения, описывающие различные по природе явления формально аналогичными соотношениями [2] перенос количества энергии (закон трения) [c.256]

Автоматизация программирования. Предметом автоматизации программирования является поиск методов уменьшения интеллектуальной сложности решения задач за счет переложения части технологического цикла разработки модели на ЭВМ. В качестве примера способов приближения к этой цели можно отметить идеи, связанные с алгоритмическими языками, модульным структурным программированием и интеллектуальными ППП [3]. Первая из них связана с выработкой универсальной системы понятий для задания алгоритмов и реализации этой системы в рамках алгоритмического языка. Этот подход находит практическую реализацию в создании проблемно-ориентированных языков высокого уровня (типа ЛИСП, СИМУЛА и т. д.) и позволяет существенно упростить переход от алгоритма к программе по сравнению с машинными и машинно-ориентированными языками. [c.259]

Характерной особенностью современного состояния проблемы моделирования типовых процессов химической технологии является наличие общей методологии разработки моделей [2, 8] и самих моделей на уровне учета фундаментальных закономерностей (на макроуровне), т. е. его доказательность. Совершенствование их идет по пути углубления знаний на микроуровне, что в общей задаче моделирования находит отражение в снятии тех или иных допущений. В соответствии со стратегией системного анализа [8] эта тенденция положительно влияет на развитие теории и практики автоматизированного проектирования. По мере создания моделей на микроуровне усиливается прогнозирующая способность моделей, уменьшается объем априорной информации. В рамках известного математического описания все это способствует решению задачи автоматизации программирования, особенно если имеются алгоритмы-оболочки , для которых определенный класс проектируемых объектов реализуется частными алгоритмами. [c.260]

Поиск глобального экстремума. Наличие данного алгоритма объясняется тем, что целевая функция при решении задач синтеза имеет, как правило, мультимодальный характер, обусловленный возможностью существования нескольких конфигураций ХТС. Идея построения алгоритма основана на разработке специальной стратегии выбора исходных точек для поиска локальных экстремумов и введения понятия запретных областей. Основные отличия метода от известного [4] заключаются в следующем. [c.604]

Решение задач оптимизации и сопутствующих им задач математического моделирования связано, как правило, с выполнением довольно значительного объема расчетов. Этим до некоторой степени объясняется то, что до создания вычислительных машин, способных быстро и точно производить большой объем вычислительной работы, методы оптимального проектирования практически не имели широкого распространеЕ1ия. Появление вычислительных машин позволило качественно изменить отношение исследователя к задачам оптимизации, где от него теперь требуются предельно точная формулировка задачи и разработка алгоритма, ее решения. [c.28]

Важнейшим вопросом при разработке алгоритма решения задач массопереноса в подземных водах является методика задания граничных условий для напоров, расходов и концентраций. Реализация на численной модели граничных условий не должна нарушать монотонность и однородность разностной схемы, снижать ее точность. К настоящему времени накоплен большой опьгг по моделированию граничных условий как на аналоговых, так и на численных моделях. Для задания внутренних источников (стоков), не совпадающих с узловыми точками поля-сетки, широко распространен метод снесения источника в ближайший узел. Этот простой метод применяется в большинстве действующих программ, так как дает необходимую точность решения [3]. Для описания сложной геометрии области применяется задание границы в явном виде — координатами граничных точек. Однако при таком подходе нарушается одно из свойств КР схемы — ее однородность и возникает необходимость хранения большого объема дополнительной информации. В последнее время для численного решения уравнений математической физики предложен метод фиктивных областей [3]. В соответствии с этим методом, моделируемая [c.390]

Примерная структура САПР технологического проектирования приведена на рис. 2.2. Ее основу составляют банк данных (БД) — информационное обеспечение, содержащее данные о свойствах перерабатываемых и получаемых веществ, параметрах оборудования и схем, экономические и технико-экономические показатели последних, информационно-справочные данные и т. д. пакеты прикладных программ (ППП) общего и специали-зпрованного назначения (алгоритмы решения задач оптимизации, модели аппаратов и технологических схем) алгоритмы синтеза технологических схем алгоритмы конструкционного расчета и выбора оборудования, размещения оборудования алгоритмы синтеза систем управления. Организационно САПР технологического проектирования состоит из ряда взаимосвязанных подсистем, принципы разработки, структура и состав которой подробно изложены во второй части книги. [c.44]

Принцип иерархичности структуры АСНИ непосредственно следует из декомпозиции исследуемого объекта на отдельные уровни иерархии. Такое представление объекта (соответственно и АСНИ) позволяет, во-первых, сосредоточить внимание на анализе задач каждого уровня, и во-вторых, выявить наиболее существенные факторы, характеризующие взаимосвязь уровнен. По существу, иерархическая структура является алгоритмом решения задачи разработки модели или АСНИ. [c.64]

Модели табл. 4.4 записаны для нестационарных условий движения потоков. Приравнивая нулю производную по времени, можно получить модели для стационарных условий. При этом существенно упрощается и соответствующее математическое описание. Так, для ячеечных моделей вместо системы дифференциальных уравнений описанием будет система нелинейных алгебраических уравнений. В общем случае весьма трудно получить аналитическое решение системы уравнений модели. Поэтому основными подходами к разработке алгоритмов решения являются аппарат передаточных функций и методы вычислительной математики. Эти методы по классам уравнений (дифференциальным в частных производных, обыкновенным дифференциальным, системам алгебраических уравнений) достаточно разработаны и обычно составляют эиблиотеку стандартных программ для решения задач вычислительной математики. [c.121]

Авторы выражают благодарность сотруднику НИИММ ЛГУ В. Я. Ривкинду и коллегам по работе в ГИПХе и ВНИИНефтехимб О. С. Луковскому, И. В. Симаковой и Л. П. Шапиро, принимавшим участие в разработке алгоритмов решения сложных задач на ЭВМ и в экспериментальных исследованиях. [c.5]

Другим следствием системного подхода, при котором широкий класс задач построения связывающих сетей рассматривался в комплексе, явилась разработка методики построения связывающих сетей на основе обобщенного алгоритма Краскала— Прима, а также оптимального размещения промежуточных узлов на основе алгоритма решения задачи Штейнера [4, 5]. В. этих алгоритмах общим модулем служит способ построения начального приближения и определения структуры сети. В качестве специальных модулей используются алгоритм определения кратчайшего пути в графе, алгоритм трассировки Ли, алгоритмы размещения точечных объектов со связями и др. В использовании одних и тех же алгоритмов размещения для построения сетей и расположения объектов еще раз проявилось преимущество комплексного подхода к проблеме. [c.109]

Процедура технико-экономического анализа при этом включает следующие этапы постановку задачи и уточнение цели разработку альтернативных вариантов, отличающихся способами достижения поставленной задачи установление критерия оптимизации, представляющего собой соотношение менсду полезным эффектом, который оценивается комплексным показателем качества функционирования, и приведенными затратами Ф расчеты капитальных вложений, эксплуатационных расходов и возможных последствий от ущербов экономикойатемэтическое моделирование и разработка алгоритмов решения отыскание оптимального варианта технического решения системы на основе диализа полученных результатов. [c.334]

Разработка алгоритма. Математическое осшсание служит ис.ход-пым материалом для создания алгоритма, моделирующего исследуемый объект. В зависимости от постановки задачи может использоваться тот или иной алгоритм, дающии возможность иолучнть искомые результаты моделирования. Задачей моделирующего алгоритма чаи е всего является решение системы уравнений математического описания, что позволяет находить внутренние параметры математической модели при заданной совокупности внешних. [c.51]

При создании программного обеспечения для решения задач моделирования часто возникает необходимость преобразования уравнений исходной математической модели. Основные причины — приведение уравнений к канонической форме выбранного метода решения и построение на основе точной модели более простой, по обеспечивающей требуемую точность и существенно упрощающей разработку алгоритма. В случае сложной исходной модели такие преобразования весьма громоздки, трудоемки и при ручных преобразованиях не гарантируют безошибочности ироведенных действий [58, 59]. [c.247]

Как показывает анализ приведенных характеристик, наиболее мош,ной из рассмотренных систем аналитических преобразований является система MA SYMA [66]. Система аналитических преобразований MA SYMA в начале своей разработки практически не использовала идеи и методы искусственного интеллекта. Однако по мере своего развития необходимость в этом ош,уш,алась все больше и больше. И в первую очередь внедрения методов искусственного интеллекта и техники создания интеллектуальных систем потребовали две проблемы обучение пользователей системой аналитических преобразований MA SYMA и математические задачи с неизвестными алгоритмами решений. [c.252]

Оптимальные алгоритмы анализа ХТС на основе применения параметрических потоковых графов, структурных блок-схем и информационно-потоковых мультиграфов. Решение задач синтеза и оптимизации ХТС при автоматизированном проектировании связано с неоднократным решением задачи анализа или полного расчета ХТС. Разработку оптимальных алгоритмов анализа ХТС осуществляют, используя топологические модели ХТС в виде ППГ или ИПМГ. [c.92]

Наиболее сложным для реализации оказывается второй этап, сущность которого заключается в определении соотношения параметров N, Е я NF, позволяюпщх достигнуть заданной степени разделения. Сложность состоит в том, что практически все известные алгоритмы расчета многокомпонентной ректификации являются итерационными с последовательным уточнением составов по уравнениям материального баланса и потоков — по уравнениям теплового баланса. К тому же в качестве исходных данных необходимо задание конструкционных и режимных параметров (число тарелок М, тарелка ввода питания NF, флегмовое число Н), конечные значения которых при выполнении требований на качество продуктов разделения находятся минимизацией критерия оптимальности типа (7.141). Необходимость многократных расчетов для нахождения оптимального решения является существенным недостатком всех точных моделей. Поэтому любая возможность снижения размерности задачи без потери точности является важной задачей разработки алгоритмов проектного расчета. Ниже рассматривается один из таких алгоритмов, основанный на методе квазилинеаризации. [c.326]

Принципиальная возможность расчета и перспективность использования азеотропно-экстрактивной ректификации была показана в работе [481, где предложена и схема алгоритма, основанная на методике релаксации. Однако основная задача состоит в разработке эффективной процедуры решения системы уравнений материального баланса, поскольку, обладая устойчивой сходимостью, метод релаксации весьма времеемок. Позднее был предложен комбинированный метод, основанный на методах релаксации и трехдиагональной матрицы [791. Другим подходом является использование метода Ньютона—Рафсона для решения системы уравнений материального баланса [801. И все же в виду сложности задачи основное внимание до сих пор уделяется разработке алгоритмов сведения материального баланса при отборе одной из фаз со ступени разделения или расслаивании целевых продуктов в гравитационных декантаторах. Но этим не исчерпываются особенности ректификации с расслаиванием жидких фаз. Большие возможности этого процесса заключаются в перераспределении потоков отдельных фаз внутри колонны на специальных устройствах [811 для создания необходимого температурного режима, а также изменения условий протекания процесса. [c.355]

Низкие по точности модели принято классифицировать как приближенные, и область их применения обычно ограничивается прикидочными расчетами, в результате которых выявляются качественные характеристики объекта.. Получение же количественных оценок, как правило, производится на базе точных моделей. Получение количественных зависимостей за практически приемлемое время счета возможно как результат снижения размерности задачи поиска (сокраш ения числа просматриваемых варианток) или как результат разработки точных и быстродействующих моделей. В первом случае основным приемом является использование различного рода ограничений, основанных на физико-химических, технологических и другого рода предпосылках (применение эвристических правил, эволюционной стратегии, фундаментальных закономерностей протекания процесса). Во втором случае задача заключается в разработке быстродействующих алгоритмов решения уравнений математического описания, использования аппроксимационных моделей. Снижение размерности пространства поиска оптимального варианта широко используется при разработке алгоритмов синтеза технологических схем (см. гл. 8). Обычно с решением этой же задачи связана и разработка аппроксимационных моделей. [c.426]

При разработке алгоритмов синтеза систем разделения многокомпонентных смесей решаются две основные задачи. Во-первых, снижение размерности пространства поиска оптимального варианта (см. табл. 8.1) за счет эффективности алгоритмов, использования эвристических правил или эволюционной стратегии и, во-вторых, обеснечение замкнутости технологического производства по энергетическим (главным образом) и материальным потокам. Исходя из этих задач можно провести классификацию известных подходов к решению задач синтеза систем разделения. [c.472]