Оптимизатор

В процессе проектирования, при пуско-наладочных работах, а также в процессе эксплуатации изделий и систем важным этапом решения инженерных задач является оптимизация. Решение оптимизационных задач с применением платформы REPEAT VISION позволяет:

1. Проектировать агрегаты с максимальным КПД;

2. Выполнять оптимальное проектирование технологических систем для повышения производственной эффективности;

3. Эффективно адаптировать расчётные модели на результаты диагностики эксплуатируемых изделий для снижения рисков принятия решений за счёт возможности проведения виртуальных испытаний.

 В процессе системного моделирования задачи, перечисленные выше, сводятся к определению параметров блоков так, чтобы расчётная модель работала в оптимальном состоянии. Например:

• Найти значение параметра, при котором выходной сигнал системы становится равен нулю (задача поиска корня);

• Подобрать несколько параметров одновременно для минимизации или максимизации целевой функции, вычисляющей, например КПД агрегата (локальная или глобальная оптимизация).

 Инструмент Оптимизация, расположенный в нижней панели (см. рис. 1 ниже), упрощает этот процесс. Вам не нужно вручную перебирать значения - оптимизатор сам взаимодействует с расчётной моделью и подбирает параметры, следуя заданному алгоритму.

Рис. 1 Инструмент Оптимизация

1.  Принцип работы

1. Вы формулируете оптимизационную задачу и определяете целевую функцию для оптимизации.

2. Создаёте модель, выполняете её настройку и отладку.

3. Вы настраиваете задачу - выбираете тип оптимизации, бюджет (количество обращений к модели), алгоритм и границы поиска.

4. Запускаете расчёт - оптимизатор вызывает расчётную модель столько раз, сколько разрешено бюджетом, анализируя результаты и уточняя параметры.

5. Получаете результат - в таблице результатов вы видите текущие и предлагаемые значения, а затем можете применить их к модели.

2.  Интерфейс

 Зоны настройки Оптимизации (см. рис. 2 ниже):

• Основное:

  • Оптимизационная задача;

  • Бюджет оптимизации;

  • Обработка нефизических величин.

• Алгоритм оптимизации:

  • Метод поиска корня;

  • Абсолютное отклонение варьируемого параметра (критерий сходимости).

Примечание

Настройка алгоритам зависит от выбранного типа задачи

• Настройки параметров:

  • Оптимизируемые параметры - выбор оптимизируемых параметров блока.

  • Варьируемые свойства - выбор изменяемых свойств блоков.

• Кнопка Оптимизировать - запуск процесса.

Подсказка

Если есть сомнения, то лучше начать с локальной оптимизации. Глобальная требует больше вычислительных ресурсов.

Рис. 2 Зоны настройки Оптимизации

2.1.  Бюджет оптимизации

 Бюджет - это количество обращений оптимизатора к расчётной модели. Каждый раз, когда алгоритм вычисляет значение целевой функции, бюджет уменьшается на 1. Когда бюджет исчерпан, оптимизация останавливается.

Таблица выбора значения бюджета

Пример	Рекомендуемый бюджет
Простая модель (вычисляется за доли секунды), поиск корня	20-50
Сложная модель (секунды на расчёт), локальная оптимизация	50-200
Глобальная оптимизация (требует много итераций)	200-1000
Отладка и тестирование	10-20

Подсказка

Если бюджет = 0, то оптимизация не сделает ни одного обращения. Используйте только для проверки логики.

2.2.  Настройка алгоритма

 Эта группа полей зависит от выбранного типа оптимизационной задачи (раздел Основное). Ниже описаны поля для каждого типа:

Поиск корня

• Метод поиска корня:

  • Метод Бисекции наиболее устойчивый метод поиска корня, недостатком которого является большой бюджет вычислений и, как следствие, (относительно метода Брента) большое время на решение задачи.

  • Метод Брента обеспечивает быстрое решение задачи поиска корня.

• Абсолютное отклонение варьируемого параметра - вещественное значение критерия сходимости оптимизатора по абсолютному значению отклонения варьируемого параметра.

Локальная оптимизация

Дополнительно выбирается метод оптимизационной задачи. Именно метод определяет, решается одномерная или многомерная задача:

Метод оптимизации	Тип задачи	Что делает
Ограниченный метод	Одномерная	Оптимизация функции одной переменной с ограничениями (границами)
Метод Нелдера-Мид	Многомерная	Оптимизация функции множества переменных

 Пользователь явно выбирает метод, а тип задачи (одномерная/многомерная) определяется автоматически.

Глобальная оптимизация

• Метод поиска корня - Дифференциальная эволюция.

• Размер популяции - множитель для определения общей численности популяции. Общая численность популяции определяется умножением размера популяции на количество варьируемых параметров.

Размер популяции	Поведение
4-8	Быстро, но риск пропустить глобальный минимум
10-20	Хорошо для большинства задач
>20	Медленно, используйте только для сложных многомерных задач

• Случайное начальное число - указывается для создания набора псевдослучайных чисел с целью обеспечения повторяемости результатов работы стохастического оптимизационного алгоритма.

• Начальное приближение параметра для ускорения поиска оптимального значения. Может находится только внутри границы варьируемого параметра. Может быть равным меньшему или большему значению границы варьируемого параметра.

2.3.  Оптимизируемые параметры

 Это величина, которую оптимизатор пытается минимизировать, максимизировать или обратить в ноль. Это - цель оптимизации.

2.4.  Варьируемые свойства

 Это свойство блока на схеме, значение которого оптимизатор может изменять в процессе поиска. Это - рычаги управления.

Примечание

• Для Поиска корня и Локальной оптимизации (Ограниченный метод) пользователь может выбрать только одно свойство.

• Для Локальной оптимизации (Метод Нелдера-Мида) и Глобальной оптимизации можно выбрать множество свойств (не более 20).

2.5.  Запуск оптимизации

 При нажатии кнопки Оптимизировать форма проверяется ещё раз и если ошибок нет, то запускается расчет оптимизации.

 Во время запуска Оптимизации справа от кнопки Оптимизировать появляется кнопка остановки Оптимизации - Отменить, которая прерывает процесс расчета Оптимизации, если он идет слишком долго и пользователь хочет ее прервать.

 По завершению оптимизации пользователь увидит сообщение с ссылкой для перехода к результатам.

2.6.  Результаты оптимизации

 Раздел Результаты появляется только после первого успешного расчёта. При повторном запуске оптимизации старая таблица полностью заменяется новой - результаты предыдущего расчёта не сохраняются.

Таблица результатов содержит столбцы:

Столбец	Описание
Параметр	Название параметра или порта, который участвовал в оптимизации
Текущее значение	То, что было установлено в модели до запуска оптимизации
Предлагаемое значение	То, что нашёл алгоритм. Именно это значение, по мнению оптимизатора, лучше подходит для достижения цели (корень, минимум или максимум).
Диапазон	Границы, в которых разрешалось искать решение. Они задаются пользователем при настройке варьируемых свойств
Применить	Чекбокс напротив каждого параметра. Он позволяет выбрать, какие именно предлагаемые значения вы хотите применить, а какие - проигнорировать. Пользовавтель отмечаете флажки напротив тех параметров, которые хочет изменить, и нажимает кнопку Применить выбранное

Подсказка

• Более простой и быстрый вариант: нажать Применить все - и все предлагаемые значения будут применены сразу, без необходимости проставлять флажки.

• Можно просто посмотреть на результаты, закрыть вкладку и ничего не менять. Оптимизация уже выполнена, модель не изменилась. Это нормальный сценарий - например, когда вы только изучаете поведение алгоритма или сравниваете разные подходы.

3.  Примеры использования

 С примерами использования данного инструмента можно ознакомиться в следующих разделах:

• Уроки;

• Практическое руководство.

Уроки

Библиотека	Название урока
Решение задач оптимизации	Знакомство с оптимизацией; Поиск корня

Практическое руководство

Раздел	Название руководства
Решение оптимизационных задач	Определение требуемого расхода воды в трубопроводной системе