Criteriul de optimizare este un anumit indicator, a cărui valoare determină calitatea setului de parametri de intrare. Cu cât valoarea criteriului de optimizare este mai mare, cu atât mai bine rezultatul testului este evaluat cu acest set de parametri. Alegerea acestui indicator se face în fila "Setări", în partea dreaptă a câmpului "Optimizare".
Criteriul de optimizare este necesar doar pentru algoritmul genetic.
Sunt disponibile următoarele criterii de optimizare:
• Balanța maximă - indicatorul de optimizare este valoarea maximă a balanței;
• Echilibru + rentabilitate maximă - indicatorul este valoarea maximă a produsului bilanț pentru rentabilitate;
• Echilibru + așteptări maxime - indicatorul este rezultatul echilibrului pentru așteptarea câștigului;
• Balance + trageri minim - în acest caz, în plus față de valoarea de echilibru ține cont de nivelul tragerii (100% - Tragere) * Balanta;
• Balanța + factorul maxim de recuperare - indicatorul este rezultatul echilibrului factorului de recuperare;
• Balanța + rata maximă Sharpe - indicatorul este produsul soldului prin raportul Sharpe;
• Criteriul de optimizare personalizat - când această opțiune este selectată, valoarea funcției OnTester () din Expert Advisor va fi luată în considerare ca criteriu de optimizare. Acest parametru permite utilizatorului să utilizeze oricare dintre propriile valori pentru optimizare.
Problemele multicriteriale, când în setarea inițială nu este posibil să se distingă criteriul dominant în importanță în celălalt - criteriul principal, de multe ori artificial criterii sunt combinate prin agregarea functiei cu parametrii - ponderile atribuite fiecărui criteriu în funcție de importanța sa relativă. Această abordare este adesea numit un convoluție scalarizare vector sau .a criteriu a dat o funcție parametrizate care reduce problema inițială la un criteriu multiobiectiv, - generalizată, agregate sau superkriteriem criteriu la nivel mondial. Cel mai răspândit tip de criteriu generalizat este convoluția liniară, atunci când criteriul global este reprezentat ca sumă (uneori produs) a unor criterii particulare înmulțite cu factorii de ponderare corespunzători.
Atunci când se aplică această metodă, anumite dificultăți determină alegerea corectă a coeficienților de greutate, interpretarea rezultatelor obținute este problematică. Utilizarea metodei considerate de formare a criteriului generalizat are sens doar în acele cazuri în care suma funcțiilor individuale este de interes. În general, există pur și simplu o înlocuire a unor incertitudini de către ceilalți, deghizată de calcule matematice [2].
Există, de asemenea, cazuri în care este destul de dificil să se atribuie fiecărui criteriu un anumit coeficient de greutate corespunzător importanței acestuia față de celelalte. Apoi, recurge la o convoluție a criteriilor în care coeficienții de greutate nu reflectă importanța relativă a criteriilor și se schimbă în anumite limite, contribuind astfel la localizarea punctelor din setul Pareto. În același timp, rolul IDL crește și mai mult. atunci când alege greutăți, el este ghidat în principal de propria sa experiență și de intuiție, care îi impune de asemenea să aibă o anumită calificare.
În mod repetat, au existat greșeli și contradicții pe care o face o persoană atunci când atribuie scale de criterii. O examinare suficient de detaliată a diferitelor metode de atribuire a greutăților conduce la concluzia că nu există metode corecte pentru rezolvarea acestei probleme de către om. Acest comportament al unei persoane în rezolvarea problemei multicriteriale este repetitiv și stabil.
Există rezultatele experimentelor, din care rezultă că o persoană atribuie un criteriu de greutate cu erori semnificative în comparație cu cunoscute în mod obiectiv, că ponderea atribuită să contrazică evaluarea sa imediată a alternativelor, etc. Deși discuția cu privire la posibilitatea utilizării ponderilor în metodele de luare a deciziilor este în curs de desfășurare, datele obținute sunt deja suficiente pentru a considera această operațiune destul de complicată pentru factorii de decizie [4].
Rezumând cele de mai sus, putem trage concluzia următoare. Metoda de convoluție a fost utilizată și este folosită cel mai adesea, dar are deficiențe insurmontabile [11, 17]:
- Nu întotdeauna pierderea calității printr-un singur criteriu este compensată prin creșterea în altul. Decizia "optimă" de convoluție poate fi caracterizată de calitatea slabă a anumitor criterii și, în acest sens, ar fi inacceptabilă;
- Nu este întotdeauna posibil să se stabilească criterii de greutate. Adesea, doar importanța comparabilă a criteriilor este cunoscută, uneori nu există informații cu privire la importanță;
- rezultatul depinde în mare măsură de preferințele factorilor de decizie, care atribuie cel mai adesea ponderi, pe baza unei idei intuitive a importanței relative a criteriilor;
- valoarea funcției țintă obținută prin convoluție nu are nici un înțeles fizic;
- mai multe convoluție algoritm de lansare poate da doar câteva diferite puncte Pareto (sau același), chiar și atunci când, în realitate, aceste puncte foarte mult;
- această abordare nu este în măsură să genereze adevărate soluțiile Pareto-optime în ceea ce privește spațiul de căutare non-convexe, ceea ce reprezintă un obstacol serios în rezolvarea multor probleme practice.
Deci, pentru a rezolva orice problemă multicriterială, este necesar să se țină cont de informațiile despre importanța relativă a anumitor criterii.
În unele probleme multicriteriale, anumite criterii sunt strict ordonate în funcție de importanță, astfel încât să se realizeze o creștere a unui criteriu mai important în detrimentul oricărei pierderi pentru toate celelalte criterii mai puțin importante. Dar, în majoritatea cazurilor, există o situație în care nu este posibilă identificarea principalului sau ordinea criteriilor după importanță. Apoi adesea recurg la convoluția criteriilor într-un criteriu generalizat. Aplicarea acestei abordări la formarea setului Pareto, precum și metodele de concesii și selecție criteriilor principale particulare asociate cu un număr de dificultățile care apar, ceea ce ridică problema dacă să se utilizeze abordări similare și necesitatea de a dezvolta metode succesive, lipsit de neajunsurile lor.
În plus, o caracteristică caracteristică care reunește cele trei abordări luate în considerare este că în fiecare dintre ele problema optimizării multicriteriale este redusă la una sau mai multe sarcini de optimizare a unui singur criteriu.
Astfel, esența sarcinii care este rezolvată este pierdută, trăsătura ei distinctivă este considerarea simultană a multor criterii. Dar metodele ei trebuie să lucreze de mai multe ori pentru a genera o multitudine de puncte de Pareto, în scopul de a realiza o evaluare suplimentară a soluțiilor, crescând semnificativ deasupra capului asociate cu aceste resurse de calcul.
17. Programare liniară
Declarația problemei programării liniare.
Progenitorul programării liniare este considerat a fi Dr. Phys.-Math. Științe, Laureat al Statului și Premii Nobel L.V. Kantorovici, care în anii 30 ai secolului XX a propus o metodă de rezolvare a problemelor economice (în special, problema tăierii placajului). LV Kantorovich a dezvoltat o metodă de rezolvare a factorilor pentru a rezolva problema programării liniare.
În cele ce urmează, în anii '50. XX secol. indiferent de metoda KANTOROVICH pentru rezolvarea problemelor de programare liniară (așa-numita metodă simplex) a fost dezvoltat de matematicianul american John. Danzig, care în 1951 a inventat termenul de „programare liniară“.
Cuvântul „programare“ se explică prin faptul că variabilele necunoscute care se găsesc în procesul de rezolvare a problemei este de obicei definit de program (planul) de acțiune a unui obiect, cum ar fi o întreprindere industrială. Cuvântul "liniar" reflectă relația liniară dintre variabile.
Dăm cel mai simplu exemplu de problemă a programării liniare.
Să presupunem că în două magazine (U1, U2, Z3) sunt fabricate două tipuri de produse U1 și U2. Cunoscut încărcare fiecare departament AI (estimat în acest caz, ca procent) la fabricarea fiecărui produs și profiturile (sau prețul, volumul de produse vândute în ruble); CI din vânzarea produselor. Este necesar să se determine cât de mult din fiecare tip de produs ar trebui să fie posibil, la departamentele de încărcare maximă pentru a obține pentru perioada examinată planificată a profitului maxim sau volumul maxim de produse vândute.
Această situație este convenabil afișată în tabel, ceea ce sugerează tipic pentru probleme de programare matematică prezentarea problemei, de ex., E. Funcția obiectiv (în acest caz, este determinată de maximizarea profitului și a volumului de produse vândute)
și o serie de restricții (în acest caz, dictate de capacitățile magazinelor, adică de încărcarea lor maximă de 100%),
5 x1 + 4x2 ≤ 100;
1,6 х1 + 17,4 х2 ≤ 100; (2)
2,9 x1 + 5,8 x2 ≤ 100.
Articole similare
-
Dezvoltarea unui algoritm pentru rezolvarea problemei - stadopedia
-
Echilibrul termic al cazanului și determinarea consumului de combustibil - stadopedia
Trimiteți-le prietenilor: