Documente Academic
Documente Profesional
Documente Cultură
1. INTRODUCERE
1
Din punct de vedere istoric, bazele clasice ale tehnicilor de optimizare, bazate
pe operatori derivativi, au fost puse prin lucrările lui Newton, Filipacci, Euler, dar mai
ales prin cercetările lui Cauchy şi Lagrange. Aceştia din urma au reuşit în sec. 19 să
acopere teoretic domeniul clasic al problemelor de optimizare, pentru funcţii liniare şi
neliniare dar şi pentru cazurile aplicaţiilor care suferă restricţii.
Pînă la mijlocul sec.20 progresele în domeniul teoretic şi practice al tehnicilor
de optimizare au fost neînsemnate. Apariţia calculatorului numeric a schimbat
fundamental direcţiile cercetării matematice şi a grăbit în anii ’50 şi ’60 cercetările
şcolii engleze de matematică care s-au orientat asupra domeniului algoritmilor
numerici. Al doilea impuls a venit din direcţia care se poate încadra sub numele
generic de “inteligenţă artificială”.
Elementele generale ale formulării unei probleme de optimizare presupun
cunoaşterea prealabilă a regulilor de proiectare dintr-un domeniu specific apoi
abilitatea de a descrie proiectarea în termeni matematici. Aceasta presupune:
- designul variabilelor
- designul parametrilor
- designul funcţiilor obiectiv
În cele ce urmează, prin termenul “design” vom desemna operaţiile de
proiectare, alegere. Cum termenul ales are o sferă mai largă în raport cu fiecare
operaţie amintită, este potrivit în descrierea etapelor algoritmilor, tehnicilor de
optimizare.
2
-optimizarea parametrilor (optimizare statică): problema este aflarea valorilor
pentru setul de parametrii de proiectare care formează un set de funcţii prescrise,
supuse unor constrîngeri
-optimizarea traiectoriei (optimizare dinamică) : problema este aflarea setului
de parametrii de proiectare, care sunt funcţii continue de alţi parametrii, care
minimizează functia obiectiv supusă unui set de restricţii
C) pe baza structurii fizice a problemei se definesc două grupe:
-control optimal: sunt probleme de programare matematică ce presupune mai
multe etape, unde fiecare etapă este determinată de cea precedentă într-un mod
prescriptibil. Sunt descrise de două tipuri de variabile: cele de stare şi cele de
control. Variabilele de control (variabilele de design) trebuiesc determinate aşa
încît să minimizeze toate funcţiile obiectiv (indicele de performanţă) supuse la
setul de restrcţii, la nivelul tuturor etapelor care definesc procesul.
-controlul suboptimal: nu minimizează îtregul set de variabile pe la nivelul
tuturor etapelor din proces. De multe ori ţn problemele practice de inginerie,
adoptarea tehnicilor suboptimale poate simplifica remarcabil soluţia problemei,
pătrînd un nivel de performanţă impus iniţial
D) pe baza naturii ecuaţiilor modelului matematic: expresiile matematice ale
funcţei obiectiv ori ale constrîngerilor au permis dezvoltarea mai multor metode
de rezolvare specifice claselor de probleme următoare: liniare, neliniare,
geometrice ori pătratice (quadratic). Vom reveni în detaliu asupra specificului
fiecărui tip de problemă enunţată în capitolele următoare.
-optimizarea liniară (programarea liniară): cînd funţia obiectiv şi toate
constrîngerile sunt de tip liniar.
- optimizarea pătratică (programare pătratică): dacă funţia obiectiv este de tip
pătratic iar toate constrîngerile sunt de tip liniar. Metodele de rezolvare permit
extinderea celor elaborate pentru optimizarea liniară.
- optimizarea neliniară (programarea neliniară): unde una sau mai multe
restricţii, constrîngeri sunt de tip neliniar
E) pe baza valorilor permise variabilelor de design: probleme se împart în doua
categorii:
-cu variabile întregi
-cu variabile reale
F) pe baza naturii de tip deterministic a variabilelor:
3
-deterministe
-stohastice
G) pe baza separabilităţii funcţiilor:
-probleme separabile dacă funcţiile ce descriu problema sunt separabile,
adică pot fi descrise ca sumă de n funcţii de unică variabilă
-probleme inseparabile daca funcţiile modelului matematic nu sunt
separabile
H) pe baza numarului funcţiilor obiectiv:
-probleme cu unică funcţie obiectiv
-probleme multiobiectiv
Clasificarea propusă pînă acum este una derivată din aspectele matematice ori fizice
ale modelelor pe baza cărora se obţin soluţiile optimale. Este utilă de amintit şi
clasificarea propusă în cadrul toolbox-ului de optimizare MATLAB, respectiv
algoritmi standard de optimizare şi algoritmi de optimizare de dimensiune mare
(large scale).
De asemenea metodele clasice de optimizare pot fi grupate în două categorii
principale:
- metode neiterative (într-un singur pas) – utilizează operatori derivative şi
folosesc proprietăţile de derivabilitate, convexitate ale funcţiei obiectiv
- metode iterative – utilizează algoritmi numerici iterativi de aflare a optimului.
Startul metodei îl reprezintă o valoare iniţială aleasă arbitrar din spaţiul de căutare iar
ulterior se calculează la fiecare iteraţie o noua soluţie a problemei. Metodele iterative
se împart la rîndul lor în două categorii:
- metode de căutare directă
- metode de gradient (de coborâre) - care reprezintă în prezent cele mai
cunoscute şi utilizate metode de optimizare
4
hl(X1,X2,…,Xn)=0
g1(X1,X2,…,Xn)≤ 0
g2(X1,X2,…,Xn)≤ 0
gm(X1,X2,…,Xn)≤ 0