Методы условной оптимизации диспетчерского управления восстановлением и модернизацией летательных аппаратов
Автор: Крикунов Д.О.
Журнал: Журнал Сибирского федерального университета. Серия: Техника и технологии @technologies-sfu
Статья в выпуске: 1 т.11, 2018 года.
Бесплатный доступ
В статье рассмотрена задача построения адекватной математической модели диспетчерского управления восстановлением и модернизацией летательных аппаратов на авиационном ремонтном предприятии. Основное внимание уделяется анализу условной оптимизации модели диспетчерского управления для различных ситуаций.
Множитель, неравенство, ограничения, оптимизация, минимизация, функция
Короткий адрес: https://sciup.org/146115278
IDR: 146115278 | DOI: 10.17516/1999-494X-0003
Текст научной статьи Методы условной оптимизации диспетчерского управления восстановлением и модернизацией летательных аппаратов
словной оптимизации, в которой фигурируют некоторые неизвестные параметры, называемые множителями Лагранжа.
Рассмотрим задачу с одним ограничением-неравенством:
f(x) ^ min , x G R" ,
h 1 (x) = 0 .
В соответствии с методом множителей Лагранжа эта задача преобразуется в следующую задачу безусловной минимизации:
L(x; X) = f(x)-Xh 1 (x) ^ min , x G R " . (3)
Функция L ( x ;X) называется функцией Лагранжа. Здесь X - множитель Лагранжа.
Тогда при заданном значении Х=Х0 безусловный минимум функции L ( x ;X) по переменной x достигается в точке x=x0 и х0 удовлетворяет уравнению h 1 ( x 0)=0.
Необходимо подобрать значение Х=Х0 таким образом, чтобы координата точки безусловного минимума x0 удовлетворяла равенству (2). Это можно сделать, если, рассматривая X как переменную, найти безусловный минимум функции Лагранжа (3) в виде функции λ, а затем выбрать значение λ, при котором выполняется равенство (2).
Метод множителей Лагранжа можно распространить на случай, когда задача имеет несколько ограничений в виде равенств:
f(x) ^ min , x G Rn , (4)
hk(x) = 0 , k=1,2, .... K.
к
Функция Лагранжа принимает вид L(x;X) = f(x)- 2^ X k h k .
k=1
В этом случае Х 1 ,...,ХК - множители Лагранжа, т.е. неизвестные параметры, значения которых нужно определить [2]. Приравнивая частные производные L по x нулю, получаем следующую систему:
дL(х, X) _ дL(х, X)
дх 1
9 x 2
ЭL(x, X) = 0
9 x n '
Если найти решение этой системы в виде функций от вектора λ затруднительно, то можно расширить последнюю систему путем включения в нее ограничений-равенств:
h 1 (x) = 0 , h 2 (x) = 0 , ^, h k (x) = 0 . (7)
Решение расширенной системы, состоящей из N+K уравнений с N+K неизвестными, определяет стационарную точку функции L . Затем реализуется процедура проверки на минимум или максимум, которая проводится на основе вычисления элементов матрицы Гессе функции Лагранжа, рассматриваемой как функция от x .
Рассмотрим задачу с ограничениями в виде неравенств:
/(х) ^ min , х G R", с ограничениями-неравенствами:
S , (x) — °, j=l>2> —> J • (9)
Пусть область (9) (обозначим ее D ) - не пустое, ограниченное замкнутое множество. Функция Лагранжа для задачи (8) с ограничениями (9) определяется формулой
L(x; X) = f(x)- Ь X j g j (x) = f(x)- XTg(x), (10)
'j 1
где X - вектор множителей Лагранжа: X = (X , ,...,X j )T , g = (g , ,...,g j )T .
В точке локального минимума задачи (8), (9) каждое из ограничений (9) выполняется либо в виде равенства g j ( х )=0, либо в виде неравенства g j ( х )<0. Ограничения первого вида называются активными ограничениями. Остальные ограничения – неактивные ограничения.
Если точка
X
*
С
D
и ограничения
g
jk
(
x
*
)<0,
^„„ssJактивны, то условие линейной
независимости градиентов функций
gjk
(
х*),jk=1,,,s,s
Большое значение в теории и вычислительной практике имеет следующая теорема Куна-Таккера для задачи условной оптимизации с ограничениями типа неравенств.
Пусть функция /(х) и функция gj(х*)<0, j=1,2,,,J имеют непрерывные частные производные в некоторой окрестности точки х*, и пусть эта точка является точкой локального минимума функции /(х) при ограничениях gj(х )<0, удовлетворяющих в точке х условию регулярности ограничивающих функций. Тогда существуют такие неотрицательные множители Лагранжа Xb,;Xj, что для функции Лагранжа L(х;X) точка х* является стационарной точкой, т.е.VxL(x;X) = Vf(x)- 2XjVgjfx) = 0.
j - 1
Своеобразным и очень эффективным методом оптимизации признан метод факторов (или множителей), который основан на санкции типа «квадрат срезки» для ограничений-неравенств [2].
Такая санкция определяется следующим образом:
S = R^g(x)2 , (11)
где срезка t определяется так:
_ Г t, если t > 0, /1оч
^C? 10, если t < 0. ( )
Эта санкция внешняя и стационарные точки функции Q(x,R) могут оказаться недопустимыми. С другой стороны, недопустимые точки не создают в данном случае дополнительных сложностей по сравнению с допустимыми. Различие между ними состоит лишь в том, что в допустимых точках санкция равна нулю.
В методе факторов на каждой итерации производится безусловная минимизация функции
Q (x , O , T ) = f (x ) + R
2 {( g j (x ) + ст j У - ст 2 } + R E {[ h k (x ) + т ] 2 j = 1 k = 1
+ T k } ,
где R - постоянный весовой коэффициент, а угловые скобки обозначают операцию срезки. Параметры (факторы) о , и тк осуществляют сдвиг санкционных слагаемых. Компоненты векторов σ и τ меняются по ходу вычислений, однако в процессе решения каждой вспомогательной безусловной задачи оба эти вектора остаются постоянными. Начальные значения факторов о и т можно выбрать нулевыми. Обозначим через x m точку минимума функции Q ( x , о m , т m ), используемой на m –й итерации.
При переходе к (m+1)– й итерации факторы пересчитываются по формулам
σmj + 1 = gj(xm) + σmj , j=1,…,J, τmj + 1 = hk(xm) + τkm , k=1,…,K.
Формулы пересчета таковы, что в результате сдвига при переходе к новой подзадаче санкции за нарушение ограничений возрастают, и вследствие этого точки x m приближаются к допустимой области.
Для контроля сходимости метода используют последовательности xm, σm, τm, f(xm), g(xm), h(xm) . Прекращение основного процесса происходит, когда члены по крайней мере одной из этих последовательностей перестают изменяться при пересчете факторов и последующей безусловной минимизации. Заметим, что величина положительного параметра R влияет на свойства метода, но конструктивного алгоритма его выбора не существует.
Таким образом, решая задачу с ограничениями в виде равенств с использованием метода множителей Лагранжа, мы преобразуем задачу с ограничениями в задачу безусловной оптимизации. Кроме того, в автоматизированной системе управления важное значение может иметь решение задачи условной оптимизации с ограничениями типа неравенств с применением теоремы Куна-Таккера.
Построение адекватной математической модели для оптимизации загрузки системы диспетчерского управления восстановлением и модернизацией летательных аппаратов на авиационном ремонтном предприятии может быть осуществлено как комплекс задач с ограничениями в виде равенства и в виде неравенств [1].
Список литературы Методы условной оптимизации диспетчерского управления восстановлением и модернизацией летательных аппаратов
- Васецкий В.В., Ирхин В.П. Автоматизация диспетчерского управления авиационного ремонтного предприятия. Воронеж: ВАИУ, 2011. 206 с
- Клир Дж. Системология. Автоматизация решения системных задач: Пер. с англ. М.: Радио и связь, 1990. 544 с
- Есипов Б.А. Методы оптимизации и исследование операций: Конспект лекций. Самара: Изд-во Самар. гос. аэрокосм. ун-та, 2007. 180 с