Метод автоматического поиска

IV. Группа методов автоматического поиска оптимума объединяет способы нахождения оптимального режима непосредственно на объекте с помощью автоматического оптимизатора. [c.253]

В третьей главе рассмотрен автоматизированный структурно-параметрический синтез гибких химико-технологических систем. Изложены задачи синтеза систем в условиях полной и неполной определенности информации. Отдельный параграф посвящен математическим методам и вычислительным алгоритмам структурно-параметрического синтеза систем дискретного типа. Изложены методы автоматической классификации технологических процессов, оптимизации технологической структуры и аппаратурного оформления химико-технологических систем периодического действия — алгоритмы эвристического типа, ветвей и границ , случайного поиска, геометрического программирования, комбинированные. [c.6]

Сначала рассматривают вариант IV, поскольку тогда решается принципиальный вопрос об использовании математической модели при автоматической оптимизации. В данном случае могут использоваться как активные, так и пассивные методы поиска оптимума на объекте. Известно, что химико-технологические процессы, — как объекты управления — (в том числе и рассмотренные два реактора синтеза аммиака) обладают такими динамическими свойствами по сравнению со статическими свойствами возмущающих воздействий, что пассивные методы поиска оптимума фактически не применимы. Остаются активные методы поиска (экстремальные системы). Ниже будет показано, что и эти методы прямого поиска на объекте не дают нужного экономического эффекта из-за динамических свойств объекта управления и статических свойств возмущающих воздействий. [c.369]

В зависимости от степени знаний о процессе статическая оптимизация может выполняться при помощи вычислительных машин, использующих математическую модель процесса (знания о процессе достаточно полны и задача чисто математическая) на автоматических оптимизаторах, применяющих метод чистого поиска (создание статической модели процесса затруднено) при помощи комбинированных методов, сочетающих методы математического и экспериментального определения оптимума (рис. 1-26). [c.70]

Приборы автоматического поиска минимума (автоматические оптимизаторы) также используют методы упорядоченного поиска, а потому не могут быть применены на объектах с очень пологим оптимумом, к которым относятся и все сернокислотные аппараты. [c.83]

Описанный диалог характерен для диалогового поиска. Конкретные формы способа ведения диалога, а также возможности программного обеспечения могут быть разными в разных системах (см. работу [49]). Однако по Мере развития методов диалогового поиска должна произойти существенная стандартизация таких систем. Так, в настоящее время в европейских странах предпринимаются значительные усилия но разработке набора стандартных команд для диалогового поиска. Диалоговые базы данных могут быть трех основных типов коммерческие (или общего пользования), внутреннего пользования (в корпорациях) н персональные. В них могут использоваться различные принципы организации указателей и/или поиска ключевые слова в заголовках, рефераты или полный текст, вручную или автоматически присвоенные ключевые слова и любые аспекты, полезные для поиска. Системы могут быть ориентированы на поиск библиографического материала, научной информации по химическим веществам или по конкретным разделам, как, например, научные приборы [50]. [c.456]

Дискретный характер масс-спектров позволяет эффективно использовать ЭВМ для их автоматической обработки и интерпретации. В настоящее время принято выделять три основные группы методов автоматической идентификации органических соединений по спектрам низкого разрещения (см. монографии [17, 22] и обзорные статьи [77— 80]). Первую (главную) группу составляют методы библиотечного поиска, основанные на сопоставлении спектров неизвестных веществ с массивами данных, записанных в памяти ЭВМ. Методы второй группы ( самообучающиеся интерпретирующие алгоритмы) используют эмпирические или полуэмпирические корреляции масс-спектров и структуры. Третья группа — методы распознавания образов — предусматривает формализацию для ЭВМ закономерностей фрагментации органических соединений и традиционных способов их расшифровки. [c.97]

Рассмотренные в предыдущем параграфе алгоритмы идентификации основаны на использовании уже в значительной степени видоизмененной и преобразованной масс-спектрометрической информации. В схемах на рис. 4.2 и 4.3 указаны массовые числа сравниваемых пиков масс-спектра и операции с их интенсивностями. Применение таких схем требует предварительного отнесения неизвестного соединения к определенной группе изомеров. Другой, более общий, подход к проблеме идентификации заключается в непосредственном сравнении спектра неизвестного вещества со специальными библиотечными массивами масс-спектров. В простейшем случае такое сравнение может быть выполнено визуально с применением, например, атласа масс-спектров [50], где спектры представлены в графической форме. Более корректна идентификация с помощью специальных алгоритмов сравнения масс-спектров, в которых предусмотрены расчеты условных чисел, количественно характеризующих степень совпадения спектров между собой. Такие алгоритмы лежат в основе автоматических методов библиотечного поиска масс-спектров с помощью ЭВМ. Характер используемого массива спектров заметно влияет на получаемые результаты спектр неизвестного вещества можно сравнивать с литературными данными [25, 38, 39] или со спектрами, полученными на том же самом приборе для заведомых препаратов. Последний подход считается в настоящее время наиболее перспективным для создания специализированных библиотек масс-спектров (и индексов удерживания), особенно при хроматомасс-спектрометрической идентификации [51]. [c.104]

Наш подход заключается в поиске и анализе только бесспорных фактов относительно недавнего (в масштабах эволюции) ГПГ - когда у разных штаммов, видов, родов организмов удается обнаружить достаточно протяженные (длиной в сотни и более пар нуклеотидов) идентичные или почти идентичные нуклеотидные последовательности генов (менее 0,5% отличий), которые сами по себе достаточно дивергентны, т.е. в большинстве случаев значительно отличаются у разных организмов. Поэтому решение поставленных вопросов требует принципиального увеличения масштабов секвенирования геномов (на порядки ). По-видимому, упрощение и удешевление методов автоматического секвенирования позволит проводить секвенирование большого количества и значительно более протяженных фрагментов хромосомных и плазмидных геномов природных бактерий, чем это было возможно до недавнего времени. [c.141]

Все процедуры поиска программируются, поиск выполняется автоматически на ЭВМ. Обзор численных методов поиска экстремума функции нескольких переменных представлен в работе [28] некоторые рекомендации по использованию различных численных методов даны в работе [29]. Прп подборе коэффициентов градиентно-овражным методом [29] были использованы результаты 20 режимов. [c.144]

Повышение эффективности производства и улучшение качества продукции, выпускаемой промышленными предприятиями, тесно связано с интенсификацией технологических процессов. В химической промышленности эта проблема решается различными путями — наряду с совершенствованием технологии, основанным на глубоком научном поиске оптимальных режимов и создании совершенных аппаратов и оборудования, все большее значение приобретает автоматизация технологических процессов. Создание систем автоматического управления с применением вычислительной техники и специальных методов управления является следствием и результатом все возрастающей сложности процессов, ведение которых становится невозможным без автоматических систем. [c.3]

При постановке любой задачи оптимизации часть переменных (I, 61) (в частном случае все) принимаются в качестве поисковых (независимых), а часть — в качестве зависимых. Поисковыми, или независимыми, называются переменные, в пространстве которых ведется поиск минимального значения критерия (I, 15). Зависимыми переменными являются те из переменных (I, 61), которые на каждом шаге процедуры оптимизации, т. е. при каждом вычислении критерия (1, 15), определяются с помощью систем (1, 53), (I, 54), (I, 56) или их частей для заданных значений независимых переменных. При этом та часть системы (I, 53), (I, 54), (I, 56), которая используется для определения зависимых переменных, будет автоматически удовлетворяться на каждом шаге оптимизации, уравнения же оставшейся части системы (I, 53), (I, 54), (I, 56) необходимо считать ограничениями типа равенств и учитывать с помощью методов условной минимизации. Метод решения задачи оптимизации ХТС существенно зависит от того, какие из переменных (I, 61) будут взяты в качестве поисковых, а какие — в качестве зависимых, какие из уравнений (I, 53), (I, 54), (I, 56), (I, 58) будут удовлетворяться автоматически на каждом шаге оптимизации, а какие необходимо считать ограничениями типа равенств в соответствующей задаче на условный экстремум. [c.21]

В данном случае запись вектор-функций г з, f отличается от записи при формулировке задачи 1 [см. выражения (1,65), (1,66)1 тем, что здесь отражено разбиение вектора и на два вектора й, и. Итак, поиск ведется в пространстве независимых переменных й пр н каждом фиксированном значении й зависимые переменные х, и находятся из системы уравнений (I, 72), (I, 73). Таким образом, на каждом шаге оптимизационной процедуры автоматически удовлетворяются уравнения (I, 72), (I, 73), и с помощью методов условной минимизации необходимо учитывать только простые ограничения (I, 74). [c.23]

Изложенные методы одномерной минимизации являются по существу методами нулевого порядка, т. е. веточках прямой pi вьшолняется расчет лишь значений минимизируемой функции. Если же в каждой точке известны и значения градиента данной функции, то могут быть использованы теоретически - более эффективные алгоритмы одномерного поиска, основанные на применении так называемых критериев сходимости. При этом автоматически обеспечивается выполнение условия (И1, 163), связанного с устойчивостью алгоритма минимизации. Для обеспечения критерия сходимости в случае его невыполнения на первом шаге обычно используются методы линейной экстраполяции совместно с кубической интерполяцией (см. Приложение 2). По данным решения тестовых задач методы первого порядка требуют в среднем 1,1—1,5 вычислений функции (вместе с градиентом) на направлении по сравнению с 2,5—4 вычислениями при методах нулевого порядка. [c.99]

Поиск модели структуры на основе прямого метода в сочетании с автоматическим исследованием серии -синтезов. [c.148]

Естественно, что недостатки метода релаксации, к которому относятся трудности поиска при наличии ограничений или особенностей целевой функции (овраги), целиком присущи и методу поочередного изменения переменных. Вместе с тем, простота метода и сравнительно небольшой объем вычислений, необходимых для его реализации, обусловили его распространение в системах автоматического отыскания экстремума [3, 4]. [c.508]

Автоматические методы поиска оптимума [c.169]

Формализация процессов выработки и принятия решений оператором. До сих пор подходы к формализации процессов принятия человеко-машинных решений при управлении сложными объектами базировались в основном на теоретико-игровом, семиотическом принципах, методах теории идентификации и планирования эксперимента [206]. К недостаткам таких методов применительно к системам принятия решений можно отнести трудоемкость априорного исследования всех вариантов поведения сложных объектов управления, качественный характер получаемых решений при семиотическом подходе, непредставимость оперативной статистики по реакциям объекта на управляющие воздействия в реальном масштабе времени и т. п. На этом фоне особенно перспективна концепция человеко-машинного управления. Человеко-машинные системы обладают собственными знаниями , что позволяет (автоматически или путем общения с человеком) находить управляющие решения или вырабатывать и обосновывать логические факты, не заложенные априори, вести диалог с ЛПР. Такие человеко-машинные системы принято относить к классу систем принятия решений с интеллектуальным механизмом автоматического поиска (СПРИНТ). [c.343]

Содержание сероводорода и тиолов в исходной и полученной после контакта с катализатором газовой смеси определяли известными химическими методами путем предварительного концентрирования их в системе из поглотителей. Идентификацию компонентов проводили на хромато-масс-спектрометре фирмы Finigan МАТ , модель 4021 с компьютером Nova 4С , наличие которого дает возможность автоматического поиска на базе 26000 масс-спектров. [c.108]

В настоящее время интенсивно развиваются методы автоматического анализа аминокислот. Основы этих методик заложены Спакманом и сотр. [186], которые использовали в своей работе метод ионообменной хроматографии на сильнокислотных катионитах, разработанный Муром и 111тейном [126]. В настоящее время ведутся поиски способов ускорения анализов и совершенствуются анализаторы (см. гл. 8). Разрабатывается техника анализа белков и продуктов гидролиза пептидов, а также физиологических жидкостей. Анализ соединений первой группы проще, поскольку он предусматривает разделение лишь тех 18—20 аминокислот, которые обычно встречаются в продуктах гидролиза пептидов. Анализ физиологических жидкостей слож- [c.305]

Поскольку карта представляет наглядный срез потенциальной поверхности, выполненный с разрешением, задаваемым интервалами между точками, ее можно использовать для разных целей. Можно, например, быстро найти конформации с наименьшей и наибольшей энергией, а также определить форму минимумов. Значения энергий, наносимых на контур, могут быть использованы для вычисления ряда величин методами статистической механики средних значений конфигурационной энтропии, спектров кругового дихроизма и т. д. Нанесение контуров на карту связано, конечно, с интерполяцией значений энергии между точками, что существенно нри усреднении физических свойств в условиях ограничешюго числа точек оценивания. Такое усреднение должно учитывать и вышеупомянутый якобиан, но подобный учет выполняют достаточно редко. Если же главная цель — расчет, а не просто просмотр результатов, то совсем неважно, взят ли одно- или двумерный массив данных. Этот массив можно использовать для автоматического поиска минимума энергии, что в данной ситуации означает минимизацию с помощью исчерпывающего периодического сканирования (т. е. просмотра всей энергетической поверхности). Если массив дагшых соответствует потенциальной поверхности мономерного звена статистического клубка полимера, то используя приближение статнстичсской теории полимеров, можно рассчитать гидродинамические и светорассеивающие свойства исследуемой молекулы. [c.582]

Мы уже неоднократно говорили, что методы современной органической химии позволяют превратить что угодно по что угодно . Поэтому в принципе ретросинтетический анализ можно начинать с любой произвольно выбранной СВЯ.ЗИ. Следовательно, если в памяти компьютера содержится исчерпывающая база данных по синтетическим методам плюс процзамма упрощения структуры путем последовательной разборки связей, то такой компьютер сможет генерировать множество ретросинтетических схем, ведущих в итоге к простым исходным соединениям. В действительности число таких формально правильных схем может оказаться столь велико, что выбрать среди них несколько достаточно осмысленных путей будет чрезвычайно трудно, а то и просто невозможно. Таким образом, практически полезная программа должна включать химическую логику, способную производить определенную селекцию вариантов, давая на выходе лишт5 те, которые имеют лучшие шансы на реализацию. Программа должна также распознавать и обрывать тупиковые, химически бессмысленные ветви. Кроме того, очевидно, что нецелесообразно выполнять поиск ретросинтетических путей в полностью автоматическом режиме, т. е. без активного вмешательства человеческого интеллекта. Было разработано несколько существенно различных концепций создания программ Д тя разработки стратегий синтеза с помощью компьютера (24], [c.351]

Накопление в Базе знаний методов предсказания даст возможность быстро и эффективно производить поиск и анализ функциональных сайтов различных типов в неизвестных последовательностях. Поиск функциональных сайтов будет осуществлятся в двух режимах в автоматическом и в режиме активного диалога с пользователем. [c.239]

ДНК-зонды применяют для поиска родственных генов в реакциях гибридизацрш с РНК — для выявления экспрессии данного гена в различных клетках. Для вьывления молекул нуклеиновых кислот, комплементарных всему зонду (или его участку), ДНК-зонды часто сочетают с методом гель-электрофореза, что позволяет получать информацию о размерах гибридизируемых молекул ДНК. Эффективное использование современных приборов, способных автоматически синтезировать любые нуклеотидные последовательности за короткий промежуток времени, дало возможность перестраивать гены, что представляет собой один из важных аспектов генной инженерии. Обмен генами, а также введение в клетку гена другого вида организма осуществляют посредством генетической рекомбинации in vitro. Этот подход был разработан на бактериях, в частности на Е. соИ. Он основан на важном свойстве ДНК — способности к перестройкам, изменяющим комбинацию генов в геноме и их экспрессию. Такая уникальная способность ДНК позволяет приспосабливаться данному виду к изменяющейся среде. Генетическую рекомбинацию подразделяют на два больших класса общую рекомбинацию и сайт-специфическую рекомбинацию. В процессе общей рекомбинации генетический обмен в ДНК происходит между гомологичными нуклеотидными последовательностями, например между двумя копиями одной и той же хромосомы в процессе мейоза (кроссинговера), или при скрещивании и перегруппировке генов у бактерий. [c.112]

Соединение жидкостной хроматографии и масс спектрометрии было несбыточной мечтой многих исследователей с самого на чала работ по хромато масс спектрометрии С одной стороны, ЖХ незаменима при анализе многих биологических объектов, термически нестабильных и нелетучих соединений, которые не разделяются с помощью газовой хроматографии, с другой сто роны, обычные детекторы для ЖХ не обладают достаточной гибкостью и универсальностью Однако непосредственное соединение ЖХ с МС долгое время не удавалось, так как эти методы сочетаются гораздо труднее и возникающие проблемы на несколько порядков сложнее чем в ГХ—МС В то же время достаточно хорошие результаты получали при раздельном применении обоих методов с независимым отбором элюируемых фракций из ЖХ колонки, выпариванием растворителя и пере носом вещества в систему напуска масс спектрометра В этом случае жидкостной хроматограф и масс спектрометр работают независимо друг от друга в своем оптимальном режиме Мож но использовать любые ЖХ системы с любыми элюентами и специальные методы масс спектрометрии, разработанные для анализа малолетучих и термически нестабильных веществ такие как ПД, лазерная десорбция, ДХИ плазменная десорбция инициируемая продуктами распада i, масс спектрометрия вторичных ионов и др Отбор фракций и испарение раствори теля могут быть автоматизированы, труднее, правда, осуществить автоматический перенос их и ввод в масс спектрометр [44] Однако практически невозможно создать коллектор фракций для очень сложных смесей неизвестного состава таких, как биологические жидкости, природные масла нефтяные фракции и т п Отбор фракций невозможен и в случае быстро элюирующихся пиков, например, на современных колонках для ВЭЖХ с эффективным числом теоретических тарелок до 50000 Непосредственное соединение ЖХ с МС, аналогичное ГХ— МС, обеспечивает значительное сокращение времени анализа, позволяет осуществлять количественный анализ и селективное детектирование выбранных ионов, использовать математические методы обработки данных для разделения неразрешенных пи ков Поэтому поиск удовлетворительных интерфейсов для непосредственного соединения ЖХ и МС начался еще в 1960 х годах [c.33]