НПК НПП двухуровневые

Рис. 8.7. Блок-схема двухуровневого метода решения обратной комплексной задачи оптимизации структурного резервирования химико-технологических систем (ПГН — параметрический граф надежности)

Метод многоуровневой оптимизации позволяет провести декомпозицию большой задачи оптимизации на последовательность более мелких задач оптимизации. В основном метод осуществляется на двух уровнях. На первом уровне подсистемы (элементы) ХТС опти-мизирзтот независимо друг от друга. Второй уровень служит для согласования первых уровней оптимизации с целью достижения общего оптимума системы. Если оптимизация подсистемы ХТС сама выполняется посредством двухуровневого алгоритма, полный алгоритм оптимизации имеет многоуровневую иерархическую деревовидную структуру. [c.313]

Для каждого фактора выбирают основной (нулевой) уровень 2/ и интервал варьирования Аз/. При двухуровневом эксперименте верхний н нижний уровни /-Г0 фактора соответственно = [c.18]

Кодированная матрица планирования для двухуровневого плана при двух факторах (табл. 1.2) зависит только от числа факторов и числа уровней каждого фактора. [c.18]

Многие процессы одновременно протекают на обоих уровнях, поэтому и интенсифицирующее воздействие в этих случаях должно быть двухуровневым, т. е. комбинированным. Эффективность воздействия зависит от числа ступеней преобразования энергии при многократном преобразовании к. п. д. резко падает, так как общий к. п. д. равен произведению к. п. д. отдельных ступеней. Основное же значение имеет соответствие воздействия процессу (объекту) по физическим свойствам и характеру (резонансы) [6]. На качественной диаграмме (рис. 1.4) показано влияние вида воздействия (акустическое или электромагнитное) на три группы процессов. За степень интенсификации принято отношение скорости (или выхода) процесса с воздействием к скорости (или выходу) без него. [c.19]

Очевидно, что задачу календарного планирования можно рассматривать как двухуровневую, причем на верхнем уровне происходит упорядочивание продуктов, а на нижнем (для фиксированной последовательности) ищется оптимальное расписание, т. е. фиксируются моменты начала и окончания выпуска каждого продукта для каждого аппарата схемы. [c.304]

Двухуровневые методы оптимального резервирования химико технологических систем. ......... [c.5]

ДВУХУРОВНЕВЫЕ МЕТОДЫ ОПТИМАЛЬНОГО РЕЗЕРВИРОВАНИЯ ХИМИКО-ТЕХНОЛОГИЧЕСКИХ СИСТЕМ [c.224]

Комплексные задачи предложено формулировать как типичные двухуровневые задачи оптимизации [1, 2, 232—234]. Блок-схема двухуровневых методов решения прямой и обратной комплексных задач оптимального резервирования ХТС [1, 2, 102, 232—234] представлена на рис. 8.5. [c.224]

Структура информационных взаимосвязей между центральным и локальным уровнями рассматриваемого двухуровневого метода решения прямой комплексной задачи (при ограничениях на величину вероятности безотказной работы ХТС) представлена на рис. 8.6. На уровне А после изучения процесса функционирования ХТС и расчета показателей надежности назначается некоторая желаемая величина вероятности безотказной работы ХТС в заданном интервале времени — Р 1). [c.224]

Рис. 8.5. Блок-схема двухуровневых методов решения прямой и обратной комплексных задач оптимального резервирования ХТС

Блок-схема двухуровневого метода решения обратной комплексной задачи оптимального резервирования ХТС [233, 234] изображена на рис. 8.7. [c.228]

При решении задачи оптимального резервирования данной ХТС в качестве основного оптимизируемого показателя надежности принята величина Р t) в интервале времени между двумя текущими ППР (см. раздел 6.1). Для решения задачи применен двухуровневый метод решения прямой комплексной задачи оптимизации надежности ХТС (см. раздел 8.3.1). При этом расчеты осуществлялись для значений нижних и верхних границ доверительных интервалов, установленных для показателей надежности элементов ХТС. В соответствии с этим двухуровневым методом на уровне Ai определялись оптимальные варианты поэлементного резерва системы. [c.244]

Функции критерия имеют сложный мультимодально-овражный характер. Исследования изолиний критериев для ряда бинарных систем позволили сделать следующие выводы чем ниже качество экспериментальных данных, т. е. чем больше погрешность эксперимента и чем меньше число точек, тем сложнее вид целевой функции практически во всех случаях целевые функции имеют резко выраженный овражный характер минимумы критериев в общем случае не совпадают. Минимизация целевой функции производится по двухуровневому алгоритму. На первом уровне исп оль-зуется самообучающийся информационно-статистический метод, а на втором — алгоритм случайных направлений с обратным шагом. Переход от одного уровня на другой производится в диалоговом. режиме, что позволяет более гибко управлять процессом расчета. [c.411]

Таким образом, двухуровневый характер самой ХТС порождает двухуровневый характер критериев оценки эффективности ее функционирования и, как следствие этого, двухуровневую структуру самих алгоритмов оптимизаций ХТС (методы блоков В и С). [c.186]

Для каждого фактора выбирают основной (нулевой) уровень и интервал варьирования Лгу. При двухуровневом эксперименте верхний и нижний уровни /-го фактора соответственно = [c.18]

Второй способ фиксации Т заключается в использовании комбинированного подхода, состоящего из прямого и комбинаторного подходов. Такая комбинация двух подходов обычно осуществляется в виде двухуровневых методов. На верхнем уровне фиксируются и Т, на нижнем уровне комбинаторным методом ищется оптимальная схема теплообмена, затем на верхнем уровне изменяются Л т и Г в соответствии с каким-то методом нелинейного программирования. При новых фиксированных Л т и Г на нижнем уровне снова определяется оптимальная схема, происходит переход на верхний уровень и так далее до тех пор, пока не будет удовлетворено какое-то условие остановки на верхнем уровне. [c.147]

Другой приближенный метод синтеза больших систем теплообмена состоит в следующем. Для Л/Я-полных задач, для которых не существует полиномиальных детерминированных алгоритмов, весьма эффективными оказываются методы с элементами случайного поиска. Предлагаемый метод является двухуровневым. На верхнем уровне случайным образом нумеруются все холодные и горячие потоки. На нижнем уровне работает алгоритм, приведенный на рис. IV.30, с большим с М, но время его работы ограничено каким-то фиксированным промежутком А/. Условие остановки программ, реализующей метод, — выполнение заданного числа слу- [c.162]

Предлагаемый подход относится к иерархическим и представляет собой двухуровневую процедуру распознавания. На первом уровне осуществляется распознавание принадлежности ситуации X к той или иной области компетентности В, на втором — решение правила, соответствующего данной области, отождествляется с решением всего коллектива. [c.264]

Первая обучающая выборка содержала 64 опыта с полным набором исследуемых параметров j = [х , дгз, Для оптимизации была применена модификация метода, предложенного в работе [148]. Вместо булевых двухуровневых моделей использовались модели многоуровневые [160, с. 135]. Диапазоны каждого влияющего фактора и каждого выходного показателя процесса делились на несколько интервалов (от двух до пяти), отвечающих имеющемуся экспериментальному материалу. [c.276]

Из рис. IX.9 видно, что для стабилизации применяется двумерная и двухуровневая каскадная система управления. На нижнем [c.365]

Наличие в схеме рециркуляционных потоков, тепловых обратных связей вызывает необходимость для сведения материального и теплового балансов схемы проводить на ее уровне итерационную процедуру (зачастую требующую значительного числа итераций). При этом, если в число блоков, охваченных обратными связями, входят блоки, упомянутые в предыдущем пункте, то на каждой итерации сведения материального баланса схемы потребуется выполнить полную итерационную процедуру расчета указанных аппаратов. Следовательно, в данном случае мы приходим к двухуровневой итерационной процедуре цикл в цикле . [c.33]

Двухуровневый сопряженный процесс. Если включить процедуру вычисления матрицы (У,31) в общий алгоритм расчета сопряженного процесса схемы, мы придем к понятию двухуровневого сопряженного процесса, первым уровнем которого является сопряженный процесс -го блока, а вторым уровнем — сопряженный процесс основной схемы [122]. [c.214]

Двухуровневый сопряженный процесс будет работать следующим образом. Пусть в результате расчета части II (см. рис. 40) сопряженного процесса второго уровня получены значения = =а ). Тогда, просчитав раз сопряженный процесс к-то блока (первый уровень), можно найти матрицу (У,31) и, следовательно, с помощью формул (У,14) — выходные значения для к-то блока сопряженного процесса второго уровня, а также посредством формул (У,12) — производные критерия по управлениям А -го блока. После этого, используя соотношения связи (У,15), можно перейти к расчету следующего блока сопряженного процесса второго уровня, где нужно будет повторить указанную процедуру, и т. д. [c.214]

Такое применение двухуровневого сопряженного процесса имеет существенный недостаток. Оп состоит в том, что при вычислении выходных переменных к-то блока сопряженного процесса второго уровня приходится п раз решать сопряженный процесс первого уровня — и так для всех блоков схемы. Это может значительно увеличить время счета. [c.214]

Итак, в данном случае мы также приходим к целесообразности применения двухуровневого сопряженного процесса. [c.219]

Информационно-управляющая подсистема ГАТС имеет двухуровневую структуру. Нижний уровень представлен лока тьпы-ми устройствами управления средствами транспорта, а верхний уровень — устройствами управления грузопотоками и оперлинями ло складированию. [c.56]

Система управления выполняет следующие основные функции управляет перемещением складируемых материалов, обрабатывает информацию о функционировании склада. Система управления автоматизированным складом имеет двухуровневую структуру. Автоматизированный склад готовой продукции о бычно расположен в отдельном здании, оборудуется стеллажами с ячейками, в которых установлены поддо- [c.56]

Подсистема управления взаимодействием аппаратов организуется как двухуровневая. На нижнем уровне проверяются элементарные условия. Модель этого уровня представляет собой конечный автомат, внутренние состояния которого модели-рув)Т технологические операции, а переходы автомата — их смену. Функция переходов конечного автомата однозначно определяется имитацпопной моделью технологического аппарата. [c.285]

Ортогональные насыщенные двухуровневые Д-оптимальные планы можно построить, используя дробные реплики от ПФЭ для числа факторов й = 3 (N = 4), /г = 7 (Л = 8),, к= 5 (Л =16), й = 31 (N=32) и т. д. Однако класс ортогональных насыщенных планов может быть значительно расширен. Плакетт и Берман [27] разработали строгую математическую теорию построения и анализа ортогональных планов. В частности, было доказано, что в насыщенном плане вычисленные по методу наименьших квадратов оценки эффектов имеют максимальную для данного числа опытов N точность, одинаковую для всех эффектов, если матрица планирования имеет ортогональные столбцы. Чтобы матрица была ортогональной, необходимо и достаточно, чтобы 1) каждый фактор встречался на каждом своем уровне одно и то же число раз 2) каждые два фактора с любой комбинацией их уровней встречались одно и то же число раз 3) число опытов делилось на квадрат числа уровней, т. е. [c.230]

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]

Задачу синтеза ХТС на основе декомпозиции ИЗС можно представить как двухуровневую эвристическо-вычислительную. задачу оптимизации [4, 38, 39]. На первом уровне определяют оптимальную технологическую топологию ХТС — С, эвристи- [c.128]

Рис. 8.6. Информационная структура двухуровневого метода решения пряыой комплексной задачи оптимального резервирования ХТС

Таким образом, оптимальные двухуровневые- планы и имеют следующие преимущества планы ортогональны, и поэтому все вычисления просты, все коэффициенты определяются независимо друг от друга каждый коэффициент определяется по результатам всех N опытов. Эти планы обладают также свойством О-опти-малиности для данного числа опытов N они имеют минимальный определитель ковариационной матрицы Вследствие этого [c.171]

В частности, методы разделяются по количеству иерархических уровней (одноуровневые и многоуровневые), по порядку производных, используемых в процессе поиска решения и т. д. Наиболее широкое распространение в задачах анализа и синтеза ХТС находят методы нулевого (без вычисления производных) и первого порядков. Наряду с ними все более широкое применение получают и многоуровневые методы (в частности, двухуровневые), в основе которых лежит идея декомпозиции исходной задачи на ряд подзадач меньшей размерности. Использование линеаризации уравнений математического описания на первом уровне позволяет эффективно применять хорошо разработанный аппарат линейной алгебры. На первом уровне подсистемы рассчитываются независимо друг от друга, а второй уровень служит для координахщи оптимальных решений с целью достижения общего оптимума системы. Стратегия координации решений в целом может осуществляться с использованием алгоритмов явной или неявной декомпозиции. Одно из важных преимуществ метода многоуровневой оптимизации заключается в том, что с его помощью можно существенно сократить время решения общей задачи и требуемый объем оперативной памяти. Сокращение времени расчета может быть достигнутю за счет одновременной оптимизации подсистем с помощью параллельна работающих продессов ЭВМ. Однако следует отметить, что мыо-гоуровневые методы обеспечивают сходимость итерационного процесса только при определенных условиях, налагаемых как на целевую функцию и математическое описание, так и на декомпозицию исходной ХТС на подсистемы (4, 53]. К тому же доказательств условной сходимости многоуровневых методов практически нет. [c.143]

Модели, основанные на линеаризации. При оптимизации сложных химико-технологических систем плодотворной оказывается идея использования двухуровневых моделей — точных и приближенных. Точная модель представляет собой детальное описание рассматриваемого процесса на всех уровнях (например, по фазовому равновесию, кинетике химического превращения и массопереноса и т. д.). Однако ее применение при решении задач оптимизации ХТС весьма громоздко и времяемко. Поэтому основным назначением точных моделей является получение и коррекция упрощенных моделей. Упрощенная модель используется вместо точной итеративно сначала совместно с ограниче- [c.427]

Модели, основанные на аппроксимации точных моделей. Идея использования двухуровневых моделей — точных и приближенных — оказывается плодотворной при любом типе аппрокси-мационной. Однако чем менее точная анпроксимационная модель, тем чаще появляется необходимость коррекции ее параметров и тем менее эффективно ее использование. Желательно, чтобы аппроксимационная модель воспроизводила реальные условия протекания процесса в более широком диапазоне изменения пара- [c.428]

Решение этих подзадач составляет первую ступень двухуровневого алгоритма, являющегося результатом дек01пюзиции. Вторая ступень предназначена для согласования решений подзадач с целью решения полной задачи оптимизации ХТС. [c.323]

Декомпозиционные методы, основанные на использовании необходимых условий экстремума (блок G), являются развитием работ Джексона, в которых впервые была проведена декомпозиция задачи оптимизации ХТС на основе классического вариационного приближения. Наиболее значительны в этом направлении работы Ласдона (методы GI и СП), Мезаровича, Куликовского. Очень часто декомпозиционные методы называют многоуровневыми или двухуровневыми, что отражает структуру их использования и построения. [c.180]

Для уменьшения пространства поиска используют различные приемы декомпозиции ЗС ОХТС на частные задачи синтеза оптимальных подсистем. Пример такой декомпозиции приведен на рис. VI.2. Такой подход приводит к многоуровневым методам синтеза. Например, возможен следующий двухуровневый метод синтеза [c.110]

В дальнейшем положим, что задача декомпозиции ХТС решена и рассмотрим двухуровневые декомпозиционные методы оптимиза- [c.224]

Справочник химика 21

Химия и химическая технология