Задача распределения алгоритм решения

Для выполнения операций рассматриваемого этапа процедуры оптимизации адсорбционной установки в условиях неполноты исходной информации кроме изложенного может быть применен и другой подход, базирующийся на представлении всей используемой информации (кроме детерминированной) как случайной. Должно быть намечено несколько вариантов наиболее вероятных законов ее распределения. Для решения такой задачи стохастического программирования в принципе могут применяться такие же методы, что и для решения задач оптимизации в детерминированной постановке. Однако систематизированные конструктивные проработки алгоритмов имеются лишь для задач линейного и квадратичного стохастического программирования. Существенным недостатком такого подхода является большая трудоемкость расчетов, что, естественно, ограничивает область применения строгих методов решения задач и вызвало появление приближенных методов, например метода статистических испытаний (метод Монте-Карло). Значительный интерес для решения стохастических задач представляет использование итерационной многошаговой процедуры, в основу которой положены идея стохастической аппроксимации для учета случайных величин и метод штрафных функций для учета ограничений [51]. При использовании любого из указанных методов следует помнить, что решение задачи всегда будет иметь погрешность вслед- [c.163]

Разработана методика и алгоритм решения задачи размещения датчиков контроля наблюдаемых параметров на заданной ограниченной территории. Для решения этой задачи был использован аппарат равномерно распределенных последовательностей точек в двухмерном пространстве. Разработанная методика позволяет рассчитывать координаты месторасположения датчиков контроля, обеспечивающих получение достоверной информации о состоянии окружающей среды при ограничениях параметрического или функционального характера. [c.27]

Алгоритм идентификации неизвестных параметров является составной частью решения основной задачи по рациональному распределению отбора газа по скважинам в условиях снижения добычи газа. Эта задача сведена к решению ряда задач (5.9), (5.10), (5.12), (5.15) на каждом а-уровне. Рассмотрим алгоритм решения данной задачи [9]. [c.203]

Ниже приводится алгоритм решения данной задачи, реализующий процедуру последовательной коррекции распределения отводимой хладагентом теплоты в аппарате. [c.110]

Разработан алгоритм решения задачи проектного расчета ПК. При его реализации использована расчетная схема распределения тепловой нагрузки в конденсаторе, являющаяся некоторым аналогом решения задачи распределения ресурсов в математическом программировании. Данная схема позволяет рассчитывать конденсаторы с произвольным числом ходов по трубному пространству. Основным расчетным модулем при ее реализации служит модуль, позволяющий определить площадь поверхности элементарного участка теплообмена, используя методику Кольборна. Указанные алгоритмы применены при решении задач поверочного и проектно-поверочного расчетов стационарных режимов и реализации динамической модели ПК- [c.163]

Второй уровень иерархии составляют задачи управления совокупностью отдельных процессов, составляющих в определенном смысле законченное производство. На этом уровне решаются задачи оптимального распределения энергетических и материальных потоков с учетом важнейших показателей отдельных процессов. Решение задачи распределения требует использования уже более мощных средств вычислительной техники и разработки специальных алгоритмов управления, учитывающих конкретную структуру данного производства. [c.16]

Остановимся подробнее на методах и алгоритмах решения задачи распределения нагрузок между параллельными агре-гата-ми. [c.31]

Как было показано в главе П1, метод и алгоритм решения задачи распределения определяется видом характеристик агрегатов. В свою очередь, вид характеристики агрегата в большой степени определяется характером процессов, происходящих в агрегате, и конструкцией аппаратов. В настоящей главе, а также в главе V, будут рассмотрены особенности постановки задачи распределения для различных аппаратов химической промышленности. Будут проанализированы характеристики типового [c.78]

Алгоритм поиска равновесного состояния при заданных (5, . Сформулированная выше задача распределения может быть све-. дена к многократному решению задачи нахождения равновесных цен при заданных 5 . Поэтому очень важно построить алгоритм поиска равновесного состояния лри заданных который [c.356]

Быстрая сходимость рассмотренного алгоритма, обнаруженная при экспериментальных расчетах, свидетельствует о возможности практического использования алгоритмов такого типа для решения задачи распределения централизованных ресурсов в автоматизированных системах управления. [c.361]

Для практического использования указанных методов и алгоритмов требуется сформулировать некоторую задачу, эквивалентную -исходной, но которую можно было бы решать на основании суш ествующей информации. Так, нанример, при использовании описанного выше подхода для решения задачи распределения оборудования в рассмотренной модели желательно избавиться от цен, поскольку вопросы ценообразования не могут решаться в рамках одной отрас. . [c.361]

Алгоритм решения общей задачи распределения ресурсов [c.362]

Для решения общей задачи распределения ограниченных ресурсов необходимо разработать алгоритм, использующий возмож- [c.362]

Алгоритмы поиска равновесного состояния. ... Алгоритм решения общей задачи распределения ресурсов Имитационная модель активной системы...... [c.379]

Приводятся математические модели и алгоритмы решения задачи о стационарном распределении концентрации вещества в кристаллизационной колонне с кристаллами в форме пластин и сфер при учете диффузии в твердой и жидкой фазах, конечного коэффициента массопередачи от твердой фазы к жидкой и отбора. Даны приближенные формулы для оценки влияния учтенных параметров на величину фактора разделения. Библ. 13 назв. [c.230]

Предложена математическая модель динамики ионного обмена смесей на анионитах с учетом многостадийной диссоциации компонентов в растворе и ионизации обменных групп в ионите. В рамках послойной модели развит алгоритм решения системы алгебраических уравнений, к которой сводится задача, и составлена программа на ЭВМ. Получены выходные кривые и распределение по слою. Приведены примеры практической реализации программы. [c.270]

Столкновительный член кинетического уравнения (2.31) состоит из трех членов. Первый из них описывает приток частиц в интервал энергии (Е, Е + ЬЕ) из других областей энергий, второй член соответствует оттоку частиц, а третий учитывает вклад притока частиц от источников, не зависящих от функции распределения f (Е). Существенно, что уравнение (2.31) может учитывать процессы, приводящие к изменению числа пробных частиц, такие, как исчезновение или рождение частиц в результате реакции. Алгоритмы решения (2.31) носят индивидуальный характер для каждой конкретной задачи и обычно являются числовыми. [c.33]

Реальная возможность разработки универсальных алгоритмов численного решения указанных задач появилась лишь в последнее время, главным образом в связи с развитием и теоретическим обоснованием метода конечных элементов [29—34]. Существо этого метода состоит в аппроксимации сплошной среды, которая характеризуется бесконечным числом степеней свободы, совокупностью ограниченного числа подобластей (так называемых конечных элементов), каждая из которых описывается конечным числом степеней свободы. Сплошная среда разбивается воображаемыми линиями или поверхностями на конечное число частей (например, поверхности — на треугольные элементы объемные фигуры — на тетраэдры), в каждой из которых вводятся фиктивные силы, эквивалентные поверхностным напряжениям и распределенные по границам элементов. Разбиение на конечные элементы достигается с помощью вариационного метода, в соответствии с которым минимизируется функционал, математически эквивалентный исходному дифференциальному уравнению. Этот функционал имеет реальный физический смысл и связывается, как правило, с понятием диссипации энергии. [c.11]

При решении задач управления технологическим процессо.м (ТП) разделения пиролизного газа активная роль отводится оператору, на которого возлагается управление качеством ТП и принятие решения в случае аварийных ситуаций. Применение систем автоматического управления, основанных на классических ПИД - регуляторах, не позволяет полностью исключить участие человека оператора в процессе управления, поскольку эти регуляторы работают в узком диапазоне изменения режимов и требуют постоянного контроля со стороны оператора и перестройки параметров и алгоритмов управления. Применение нелинейных регуляторов сдерживается сложностью объекта управления, являющегося распределенным объектом с наличием длительных временных задержек при отработке управляющих воздействий. [c.226]

Используются алгоритмы самообучения, основанные на методе потенциальных функций. При этом одним из основных способов решения задачи самообучения является разбиение множества объектов на группы (кластеры, таксоны, сгущения), в которых могут использоваться вероятностные оценки распределения обучающей выборки. [c.242]

Следует иметь в виду, что описанный алгоритм в ряде случаев может приводить к расходящемуся итерационному процессу. Необходимо также отметить, что алгоритм рассчитан, в первую очередь, на задачи с двумерными распределенными управлениями с применением сильного принципа максимума (Х,18) и одномерными и сосредоточенными управлениями тогда, когда уравнения слабого принципа максимума (Х,16), (Х,17) имеют единственное решение. При наличии нескольких решений вычислительный процесс ветвится, что иногда может потребовать большого перебора различных вариантов [3,. с. 249-250]. [c.213]

В работах [138, 139] предложена процедура численного решения основного кинетического уравнения. Численный алгоритм состоит в дискретизации задачи и сведению ее к линейной системе обыкновенных дифференциальных уравнений с постоянными коэффициентами. При численном решении этой системы получается функции распределения, зависящая от [c.195]

Основные программы предназначены для решения наиболее часто встречающихся в практике задач. Возможны и другие распределения переменных на зависимые и независимые, хотя в практике расчетов они встречаются нечасто. Например, предлагаемые алгоритмы могут быть использованы для расчета констант фазового равновесия, требуемых при расчете однократного испарения. Одним словом, исходя из конкретной постановки задачи, исследователь должен сам выбрать ту или иную методику расчета. [c.73]

IV. 1.2) и рекуррентном пересчете апостериорных распределений неизвестных величин. Однако на практике, как отмечалось выше, решение уравнения Беллмана даже в случае линейного объекта, наталкивается на большие вычислительные трудности — так называемое проклятие размерности . В общем случае эти трудности практически непреодолимы, поэтому обычно переходят к субоптимальным адаптивным алгоритмам, стараясь сохранить при этом по возможности все свойства оптимальных алгоритмов. Имеются два пути решения этой задачи. Первый состоит в последовательном усложнении простейших алгоритмов, с целью обеспечить качественное оценивание и управление. Второй предусматривает упрощение функционального уравнения Беллмана. [c.128]

Основой для реализации динамической модели конденсатора служит вектор состояния конденсатора Хс, координатами которого являются значения параметров материальных потоков, распределенных по длине аппарата в стационарном режиме, и вектор конструктивных параметров Рк. Значения координат вектора Хс формируются в ходе решения задачи статического расчета, реализуемой рассмотренным выше алгоритмом совмещенных расчетов. Значения коэффициентов динамических моделей конденсатора (2.7.6), (2.7.12) являются функциями координат векторов Хс, Рк, вектора физико-химических свойств потоков Ф и вектора условий проведения процесса конденсации УС. Таким образом, любому стационарному состоянию конденсатора ставится в соответствие модель его динамических свойств. [c.130]

Однако как и в случае линейных характеристик, решение задачи линейного программирования существенно упрощается. Можно предложить простой алгоритм распределения, сводящийся к следующей последовательности операций [c.36]

Важнейшей функцией АСУ является нахождение опти-ма льных управлений эта функция реализуется обычно следующими алгоритмами оптимизации статического режима ТП (производства) по основному критерию оптимального управления неустановившимися режимами отдельных аппаратов и процессов оптимального распределения материальных и энергетических потоков по ТП выявления узких мест ТП и др. Результаты решения задач оптимизации, как правило, оформляются в виде советов оператору. [c.19]

Для реализации алгоритмов управления, изложенных ранее, можно предложить двухконтурную систему управления (рис. 1.4). На первом (внутреннем) контуре центральный орган путем изменения управляющего вектора р добивается равновесного (допустимого) распределения. Второй контур предназначен для решения глобальной задачи путем перераспределения 5, как по известным приоритетам ц,-, так и по получаемым от подсистем оценкам плана распределения 5 , , т. е. коэффициентам а . [c.368]

Показано [3, 4], что для больших факторов разделения (F 10) в полученном решении задачи о стационарном распределении примеси v x, у) при практической реализации алгоритма можно ограничиться небольшим порядком системы [c.72]

Алгоритм решения системы ур-ний мат. описания, реализующий возможность проведения вычислит, экспериментов с мат. моделью, существенно зависит от типа входящих в нее ур-ний. Последний, в свою очередь, определяется принятыми исходными допущениями и задачами вычислит, эксперимента. Принято различать стационарные и нестационарные модели, в к-рых параметры соотв. не изменяются и изменяются во времени. Кроме того, принято выделять модели с распределенными и сосредоточенными параметрами, соотв. изменяющ[ гися и не изменяющимися в пространстве. Основу мат. описания стационарных моделей с сосредоточенными параметрами составляют системы, в к-рых отсутствуют дифференц. ур-ния, поскольку переменные модели не зависят от пространств, координат и време- [c.102]

При использовании рассмотренного выше метода Тилле— Гедеса, задача совместного решения систем уравнений математического описания для всех колонн комплекса принципиально разрешима, поскольку для каждой итерации система уравнений, определяющая распределение составов в каждой колонне, является линейной. Однако использование общих алгоритмов решения систем линейных уравнений в этом случае требует весьма большого объема запоминающих устройств ЭВМ, а реализация некоторых специальных алгоритмов решения систем уравнений математического описания, таких как метод скользящей вилки [130, 183, 184], требует разработки конкретной программы для каждого нового вида комплекса, что, очевидно, значительно снижает и ценность. То же самое можно сказать и о методах коррекции составов на каждой итерации расчета системы колонн. Применение обычной 0-коррекции или возможных ее модификаций требует также разработки индивидуального подхода к расчету каждой определенной конфигурации комплекса колонн [130, 202, 287]. Если рассматривать одиночную сложную колонну с отбором промежуточного продукта разделения с р-й ступени разделения (этот случай может быть легко распространен на расчет сложных систем колонн и используется лишь с целью упрощения демонстрации идеи использования 0-метода Холланда в случае расчета сложных систем разделения), то можно записать следующую систему соотношений для 0-коррекции [c.67]

Опыт исследований системы синтеза для моделирования вооруженной борьбы показал, что для различных серий моделей синтеза можно выделить наиболее типичные, часто встречающиеся системы задач, т. е. методики и алгоритмы, разработанные для одной системы, являются как бы базовыми и могут найти широкое применение. Например, часто используются серии задач, для которых на первом этапе решаются задачи целераспределения (или распределения сил) для различных критериев при заданных численностях и структурах вооружений противников на втором этапе решаются задачи выбора рационального соотношения численностей группировок с использованием алгоритмов решения задач по выбору целераспределений при заданном соотношении численности (алгоритмы первого этапа) на третьем этапе оптимизируют структуры вооружений на основе алгоритмов решения задач предыдущих этапов. Таким образом, и в системе синтеза серии моделей также являются инструментами для исследования совокупности задач. [c.61]

Таким образом, удовлетворение сформулированных выше условий экономичности (при незаданном распределении потоков) достигается для снабжения водой тех же заданных потребителей при замене кольцевой сети разветвленной (деревом). Математическое обоснование последнего положения в общем виде приведено в интересной работе О. А. Некрасовой и В. Я. Хасилева [39]. Авторы дают разработанный ими метод отыскания оптимального дерева для данной сети и алгоритм решения этой задачи па ЭЦВМ. Оптимальному дереву соответствует, очевидно, оптимальная система коэффициентов распределения е. [c.235]

Метод сведения к обратной задаче. Опишем метод, нозво-.чяющий, используя численный алгоритм решения обратной задачи, решать прямую задачу для всей области до- и трансзвукового течения [157]. В основе этого метода лежит предположение о том, что действительные распределения скорости на оси симметрии для двух близких контуров сопел различаются между собой пропорционально различию соответствующих распределений скорости в одномерном приближении. Тогда распределение скорости па оси. соответствующее искомому контуру, находится по распределению скорости для какого-либо известного контура и известным распределениям в одномерном приближении. Расчеты показывают, что сходимость решения к искомому осуществляется после нескольких приближений решения обратной задачи. [c.107]

Важное значение и практическое применение получают также статистические методы решения дискретных и смешанных задач, представляемых в виде эквивалентных перечислительных задач на графах [156—161]. В [156] предлагается рассматривать задачу коммивояжера иа полном графе, в которой элементы (пХп) матрицы расстояний суть независимые равномерно распределенные случайные величины на (О, 1). Предлагаемый алгоритм состоит в решении задачи о назначениях с матрицей и последующем сшивании подциклов ее решения до получения замкнутого маршрута. Алгоритм [156], имея трудоемкость порядка п , дает маршрут, отношение длины которого к длине оптимального не превосходит (l-fe(n)), где е(м)->0 при п- оо. В [157] предлагается алгоритм )решения ТОЙ же задачи коммивояжера, основанный иа разбиении данных п городов на группы по t городов, нахождении оитималь-ного пути в каждой группе и последующем определении пути между группами. Этот алгоритм дает отклонение от оптимума [c.91]

Ионное травление изменяет относительное содержание элементов на поверхности образца. Наибольшее влияние на получаемые при анализе профили оказывают шероховатость поверхности после травления и эффекты выбивания и распыления. Определение истинного распределения концентраций по глубине — задача трудно решаемая. Как и большинство обратных задач физических методов, она относится к некорректно поставленным задачам и требует привлечения некоторой априорной информации о зависимостк концентраций от глубины, а также повышения устойчивости решения по отношению к экспериментальным ошибкам с помощью ре-гуляризующих алгоритмов. [c.155]

Помимо прямых задач теплопроводности, т. е. нахождения температурных полей по известным значениям начальных распределений температур и известным теплофизическим коэффициентам и другим параметрам процесса (теплофизические свойства материалов, коэффициенты внешней теплоотдачи), в некоторых случаях существенно решение так назьшаемой обратной задачи , когда по измеренному температурному полю отыскиваются начальное распределение температур или, что встречается чаще, определяются численные значения теплофизических свойств исследуемых материалов (X, а) или коэффициента теплоотдачи а от наружной поверхности тела к окружающей среде. Характерной особенностью обратных задач (не только теплопроводности, но также конвективного и лучистого теплообмена) является их принципиальная неоднозначность и неустойчивость их возможных решений [16]. Последнее обстоятельство требует разработки специальных математических методов и вычислительных алгоритмов, а также оптимального планирования и должной технической организации экспериментальных измерений. Общим методом анализа некорректно поставленных обратных задач теплообмена является метод регуляризации с помощью вариационного принципа. [c.235]

В литературе описано большое число методов поиска глобального минимума функций многих переменных. Подавляющая часть этих методов относится к поискам случайного тина. Отметим один из них [135], так называемы гиперко-нический поиск, который, по мнению его создателей, в наибольшей степени приспособлен к решению задач, где многоэкстремальность сочетается с наличием оврагов высокой размерности. Алгоритм гиперконического поиска объединяет чисто случайный поиск при равномерном распределении проб во всей допустимой области значений подбираемых параметров (глобальный поиск) с направленным локальным поиском. Вначале используется глобальный поиск, сменяемый локальным всякий раз, когда достигается удачная точка 0 +, в которой значение функции отклонений меньше, чем в предыдущей точке 04 С другой стороны, локальный поиск сменяется глобальным, когда число неудачных проб превышает некоторое предельное значение. [c.185]