3

Optymalizacja – poszukiwanie najlepszego rozwiązania danego problemu w przestrzeni poszukiwań,

która może być ciągła, dyskretna, nieograniczona lub ograniczona.
Funkcja celu – funkcja oceny, przystosowania lub wskaźnik jakości. Funkcja przypisuje rozwiązaniu
wartość, która jest miarą jego jakości.
Sformułowanie – znajdź taki argument spełniający zadane ograniczenia, dla którego wartość funkcji
celu będzie najmniejsza.
Metody optymalizacji nieliniowej można podzielić na metody optymalizacji lokalnej, w której skład
wchodzą metody bez ograniczeń i z ograniczeniami oraz metody optymalizacji globalnej, bez
ograniczeń i z ograniczeniami.
Optymalizacja lokalna - polega na poszukiwaniu rozwiązania w ograniczonym podzbiorze przestrzeni
poszukiwań
Optymalizacja globalna - polega na poszukiwaniu rozwiązania w całej przestrzeni poszukiwań

Zadanie: Znalezienie wektora zmiennych decyzyjnych należącego do zbioru rozwiązań

dopuszczalnych. Ogólnie ze to matematycznie szukanie ekstremum funkcji.
Zastosowania:

● planowanie

● sterowanie i zarządzanie systemami

● finanse, ekonomia

● rozpoznawanie wzorców

● uczenie maszynowe

● alokacja zasobów

Wybrane metody

Metoda Gauss’a-Seidla - bezgradientowa Algorytm polega na wystartowaniu z punktu początkowego,

dla którego liczby początkową wartości funkcji celu. Następnie badamy kryterium zbieżności,jeśli jest
spełnione to kończymy algorytm. W przeciwnym wypadku wyznacza się kierunek poszukiwania -
kolejne kierunki bazy ortogonalnej i wykonuje się minimalizacje kierunkową wybraną metodą w celu
otrzymania nowego punktu. Następnie powtarza się kroki od początku.

Metoda największego spadku NS - gradientowa Metoda polega na wystartowaniu z punktu

początkowego, dla którego liczy się wartości funkcji celu oraz jej gradient. Następnie bada się
kryterium zbieżności, jeśli jest spełnione to koniec. W przeciwnym razie wyznacza się nowy kierunek
poszukiwań jako ujemny gradient funkcji w punkcie. Następnie wykonuje się minimalizację
kierunkową wybraną metodą w celu otrzymania nowego punktu. Następnie kroki powtarza się od
początku.
Dla ambitnego
4

Optymalizacja lokalna a globalna - Brak gwarancji znalezienia globalnego minimum przez typowe
metody optymalizacji lokalnej.

Cele / zastosowania:

● znalezienie najlepszego rozwiązania spośród wszystkich dostępnych (spełniających nałożone

ograniczenia)

● oszczędności, bo np optymalizujemy powierzchnię magazynową

● zwiększony zysk, bo np zoptymalizowana produkcja daje większe korzyści, produkujemy więcej,

lepiej

● optymalny harmonogram daje lepsze możliwości dostarczania produktów na czas

● optymalne projektowanie procesów technologicznych

● optymalne zarządzanie przedsiębiorstwem - minimalizacja kosztów, maksymalizacja zysków

● projektowanie efektywnej struktury systemu (np sieci komputerowej)

● projektowanie efektywnego przepływu w sieciach

● zadania optymalnego przydzielenia

● zadania optymalnego rozmieszczenia

Rodzaje metod

• Deterministyczne - poszukiwane rozwiązania realizowane poprzez przekształcenia deterministyczne.

• Stochastyczne - wprowadzane elementy losowe.

• (Meta-)heurystyki- inspirowane zjawiskami z natury.

Metody deterministyczne

• Siatki - na obszarze poszukiwań punkty umieszczone jako siatka.

• Metody trajektorii cząstki. Inspiracją ruch cząstki w polu energetycznym.

• Metody kary - modyfikacja funkcji celu.

• Tabu Search.

Metody stochastyczne

• Metoda Monte Carlo - szukanie ekstremum przy użyciu losowych punktów z dziedziny funkcji. –
Modyfikacja - uruchamianie metod optymalizacji lokalnej z wylosowanych punktów.

• Controlled random search - połączenie techniki Monte Carlo i algorytmu Neldera-Meada.

Metody (meta-)heurystyczne

• Symulowane wyżarzanie - zainspirowane zjawiskiem wyżarzania.

• Tabu Search.

• Algorytmy mrówkowe - symulowanie zachowania mrówek szukających pożywienia.

• Algorytmy ewolucyjne.

• Algorytmy rojowe - optymalizacja rojem cząstek.

7

Sterowanie optymalne jest ogółem najlepszych dopuszczalnych procesów sterowania

maksymalizujących zadane kryterium jakości. Optymalizacja układów sterowania dla danego układu
jest bezpośrednio związana z poszukiwaniem procesu sterowania zapewniającego ekstremum
wskaźnika jakości procesu i musi być dopuszczalna pod kątem ograniczeń wynikających z warunków
prowadzenia procesu.

Dla jakiejś funkcji f(...) i konkretnie określonego wskaźnika jakości (kosztu sterowania), przy danych
stanach początkowych oraz końcowych i określonych ograniczeniach nałożonych na proces sterujący,
należy zminimalizować wskaźnik jakości. Przykładowymi kryteriami mogą być:
Było tam 6 chyba ale same wzory prawie więc ja olewam, ale uczicwie ostrzegam
8

Optymalne sterowanie polega na znalezieniu reguły kontroli, która minimalizuje niektóre funkcje
kosztowe. Szczególny przypadek: Liniowa kontrola kwadratowa: koszt jest kwadratowy, system
dynamiczny jest liniowy. Maksymalna zasada Pontryagina: mówi, że dla optymalnej kontroli konieczne
jest rozwiązanie systemu Hamiltonowskiego, co jest znacznie łatwiejsze niż optymalizacja nad
oryginalnym problemem nieskończoności (przestrzeń funkcjonalna). Równanie Hammiltona-Jacobi-
Bellmana: stan konieczny i wystarczający, może być nawet uogólniony do układów stochastycznych,
wykorzystuje zasadę optymalności Bellmana

Sterowanie optymalne:

W sterowaniu optymalnym dąży się do znalezienia takiego sterowania dla danego obiektu, przy
którym zostaną spełnione kryteria optymalności. Optymalizacja ujmuje również funkcjonał kosztów,
który jest funkcją stanu i zmiennych związanych ze sterowaniem. Zazwyczaj optymalizowane są
modele dynamiczne, będące nierzadko bardzo skomplikowanymi układami, do których opisania
konieczne są tysiące równań różniczkowo-algebranicznych. Głównymi problemami stosowania
sterowania optymalnego jest tworzenie modeli, które muszą w jak najlepszy sposób opisywać
rzeczywisty układ.

Do rozwiązywania zadań sterowania optymalnego stosuje się kilka różnych metod:

• metody pośrednie - oparte na warunkach koniecznych optymalności, sto- sunkowo trudne w

stosowaniu ze względu na występowanie ograniczenia na stan oraz konieczność podania funkcji
przełączeń dla sterowań, przedzia- łów aktywnych ograniczeń, a także reguły maksymalizacji
hamiltonianu.

• metody bezpośrednie - wymagają dyskretyzacji a’priori równań różnicz- kowych, występuje tutaj
bardzo duża liczba zmiennych decyzyjnych oraz ograniczeń w wynikowym zadaniu optymalizacji.
Zaletą jest możliwość sto- sowania bez większej wiedzy teoretycznej - podejście inżynierskie, jednak
mimo to nie oferują one zbyt wielkiej dokładności.

• metoda strzału - jest to szybka metoda, działająca w bardzo wąskim za- kresie, ale dająca bardzo
dokładny wynik.