Метод вариационный градиентный

В настоящее время нет общего метода решения задач циклической оптимизации. Все используемые алгоритмы основаны на классических понятиях вариации функционала и модифицированного принципа максимума. Наиболее общим и обоснованным является градиентный метод, основанный на вариационном исчислении. Суть этого метода была изложена еще в работе [7]. Задается фиксированная продолжательность периода с и определяется (численно) соответствующее ему оптимальное управление, затем задается другое значение периода и определяется соответствующее ему другое оптимальное управление. После этого сравнивают значения целевых функционалов и с помощью направленного поиска определяются значение оптимального периода. Конечно, такой подход требует больших затрат машинного времени. В работе [72] разработан другой численный алгоритм. Здесь не использовались условия цикличности. Оптимальное управление определялось на достаточно большом отрезке времени с произвольными начальными условиями. [c.292]

Другим эффективным методом решения задач оптимального резервирования ХТС является градиентный [231]. Основная идея этого метода состоит в том, что значение экстремума критерия эффективности отыскивается последовательными шагами из начальной точки, oпpeдeлJ eмoй исходным вектором состава поэлементного резерва ХТС Хо, в направлении градиента критерия. При этом для решения вариационной задачи не требуется знать аналитическое выражение для критерия эффективности, а необходимо иметь лишь значения критерия и его первых частных производных в точках, расположенных на траектории движения к экстремуму КЭ и определяемых векторами состава поэлементного резерва ХТС X(i), где I — номер шага оптимального поиска. [c.206]

Арис [1, 2] дает введение к использованию динамического программирования для оптимизации дискретных и непрерывных процессов и рассматривает применение этого метода к широкому классу реакторов. Четкое описание способов использования классического вариационного исчисления для определения наилучшего распределения температур в реакторах с принудительным движением потока дано Катцем [5]. Катц показал, что применение динамического программирования к этой задаче приводит к дифференциальному уравнению в частных производных. Рассмотренные в предыдущей главе доклады Хорна посвящены применению градиентного [c.381]

Рассмотрим теперь метод [32], позволяющий достаточно эффективно находить минимум и не требующий ре-шенпя этой вспомогательной задачп. Мы уже отмечали, что вырождение минимума функции цели илп его плохая обусловленность проявляется в плохой обусловленности вариационной матрицы правой части системы (3.158). При интегрировании таких жестких систем лучшие результаты (но сравнению с разностными методами) дают методы, основанные на аппроксимации исходной градиентной системы более простыми и легко интегрируемыми системами. Такая аппроксилшция достигается за счет линеаризации правой части системы (3.158). Прп этом минимизация проводится на траектории спстемы [c.220]

Справочник химика 21

Химия и химическая технология