Page 181 - 5637
P. 181
Таким чином, вихідна завдання формалізована в термінах цілочисельного
програмування. Безліч допустимих значень аргументу задається, як правило, за
допомогою сукупності обмежень виду
( ) ≤ 0, … , ( ), ≥ 0, ⋳ . (8.17)
Рішення задачі оптимізації дискретних параметрів імітаційних моделей
ускладнюють наступні фактори:
1. Велика потужність (кількість елементів) множини , що не дозволяє
реалізувати процедуру його повного перебору, особливо враховуючи обмежений об'єм
імітаційного моделювання.
2. Певний порядок перегляду змінних при розрахунку критерію та обмежень,
оскільки вихідні дані для деяких підсистем з числа комплектуючих всю оптимізується
систему є вихідними характеристиками інших підсистем.
3. Нерегулярність завдання, в даному контексті це означає, що у функціоналів
критерію і обмежень відсутня добре виражена структурність (типу опуклості,
лінійності і т. д.).
4. Незначна апріорна інформація про структуру функціоналів критерію І
обмежень.
Ці фактори Утруднюють застосування традиційних методів цілочислового
програмування, орієнтованих на вирішення завдань з функціоналами, що належать
суворо заданому класу (лінійних функціоналів, опуклих і т. д.). З іншого боку, при
вирішенні більшості практичних задач синтезу систем вимога досягнення точного
екстремуму цільової функції не тільки нездійсненно, але й зайве. Так як процесу
реального функціонування досліджуваної системи супроводжує велика кількість
формалізації факторів, не врахованих в моделюванні, то в реальних розробках краще
мати замість одного точного оптимального рішення сукупність субоптимальних
рішень, з яких відповідальна особа (або група таких осіб) і вибере остаточне на основі
інтуїції, досвіду аналогічних розробок і т. д. Таким чином, з практичної точки зору
необхідне отримання стійких (хоча і наближених) результатів наближеною оптимізації
в широкому діапазоні вирішуваних завдань.
Вирішувати загальну задачу і при наявності перелічених вище факторів 1-4
дозволяє алгоритм оптимізації дискретних оптимізаційних моделей (АОДІМ).
