Семейство гибридных алгоритмов оптимизации и диагностирования гидромеханических систем
Рассмотрены задачи параметрической оптимизации гидромеханических систем с непрерывными не всюду дифференцируемыми многоэкстремальными критериями в скалярной и векторной постановке. При определении глобальных решений для частных критериев были использованы новые гибридные алгоритмы, объединяющие стохастические алгоритмы сканирования пространства переменных и детерминированные методы локального поиска. Алгоритмы векторной оптимизации генерируют множество недоминируемых решений, аппроксимирующих фронт Парето. Предложенные гибридные алгоритмы ориентированы на применение в системах оптимального проектирования и вычислительной диагностики исследуемых объектов.
Авторы
Тэги
Тематические рубрики
Предметные рубрики
В этом же номере:
Резюме по документу**
Семейство гибридных алгоритмов оптимизации и диагностирования…
УДК 519.6:532.529.5
Семейство гибридных алгоритмов оптимизации
и диагностирования гидромеханических систем
В.Д. Сулимов, П.М. Шкапов
МГТУ им. <...> Н.Э. Баумана, Москва, 105005, Россия
Рассмотрены задачи параметрической оптимизации гидромеханических систем с
непрерывными не всюду дифференцируемыми многоэкстремальными критериями в
скалярной и векторной постановке. <...> При определении глобальных решений для
частных критериев были использованы новые гибридные алгоритмы, объединяющие
стохастические алгоритмы сканирования пространства переменных и детерминированные
методы локального поиска. <...> Алгоритмы векторной оптимизации
генерируют множество недоминируемых решений, аппроксимирующих фронт Парето. <...> Предложенные гибридные алгоритмы ориентированы на применение в системах
оптимального проектирования и вычислительной диагностики исследуемых
объектов. <...> Ключевые слова: глобальная оптимизация, критериальная функция, условие Липшица,
сглаживающая аппроксимация, алгоритм Метрополиса, многокритериальная
оптимизация, фронт Парето, гибридный алгоритм. <...> Обеспечение безопасной и эффективной эксплуатации требует решения
задач второго типа: идентификации и коррекции математических
моделей, включая рациональную редукцию моделей, и диагностирования
систем по результатам косвенных измерений. <...> Входными данными
для диагностирования являются результаты экспериментального определения
некоторых следственных характеристик системы или процесса,
например регистрируемые параметры колебательных и ударных процессов. <...> В задачах
этого типа необходимо учитывать недифференцируемость и многоэкстремальность
критериальных функций ввиду наличия кратных частот
1 <...> Разработаны методики восстановления
физических характеристик систем, а также поиска аномалий
в системах по известным собственным характеристикам (модальным
данным) с использованием методов <...>
** - вычисляется автоматически, возможны погрешности
Похожие документы: