Professional Documents
Culture Documents
Chương X
Chương X
Nhóm 5
Nhóm 5
𝑥1
… y
𝑥𝑘
Hình 10.1
Các phương pháp BPCT, QHTG cấp 1 và QHTG cấp 2 đã được dùng để tìm mối
quan hệ của y và x1, x2,… Lưu ý rằng, các đa thức đó chỉ biểu diễn gần đúng đối
tượng thật.
§1. Đặt bài toán
Bây giờ phải tìm 𝑥1 ∗ , 𝑥2 ∗ , ..., 𝑥𝑘 ∗ sao cho:
𝑦 𝑥1 ∗ , 𝑥2 ∗ , … , 𝑥𝑘 ∗ ≥ 𝑦 𝑥1 , 𝑥2 , … , 𝑥𝑘 ∀ 𝑥1 , 𝑥2 , … , 𝑥𝑘 ∈ 𝐷 (10.1)
Có 2 cách giải quyết:
• Nếu chúng thỏa mãn với độ chính xác của mô hình thống kê đã thu được thì để giải bài
toán (10.1), ta chỉ việc dùng các phương pháp của quy hoạch tuyến tính. Nếu mô hình là
phi tuyến thì ta dùng các phương pháp của quy hoạch phi tuyến.
• Nếu không thỏa mãn với độ chính xác của mô hình thống kê đã thu được (ví dụ như còn
nghi ngờ vì miền xác định quá rộng nên độ chính xác quá thô) thì trước khi dùng các
phương pháp quy hoạch toán học, ta phải tìm cách thu hẹp vùng chứa điểm cực trị →
dùng thực nghiệm để tìm cực trị
Phương pháp:
o Giai đoạn 1: tìm vùng chứa điểm cực trị bắt đầu từ mô hình cấp 1.
o Giai đoạn 2: dùng quy hoạch trực giao cấp 2 để xây dựng mô hình bậc 2. Cuối cùng dùng các
phương pháp quy hoạch phi tuyến để tìm cực trị (quy hoạch lồi hoặc quy hoạch toàn phương)
§2. Phương pháp leo dốc BOX-WINSON
2.1. Nội dung phương pháp
Xét một miền con Do= D (hình 10.2)
X2
X2max
D1
Do
x2min
x1min x1max x1
Hình 10.2
§2. Phương pháp leo dốc BOX-WINSON
• Tâm của Do là Zo và Zo ứng với xo. QHTG cấp 1 tìm phương trình hồi quy bậc
nhất:
• 𝑦ො = bo+ σ𝑘𝑗=1 𝑏𝑗 𝑥𝑗 = f(x)
Kiểm định sự phù hợp của 𝑦.
ො
• + Nếu y phù hợp với mô hình suy ra mặt cong D xấp xỉ mặt phẳng thì Do không
phải là vùng chứa điểm cực trị. Bước chuyển sang vùng D1 được thực hiện
theo hướng gradient f(xo). Theo hướng này cứ đi cho tới khi hàm y không tăng
được nữa sẽ được điểm mới. Với điểm mới, lại lặp lại quá trình trên. Cứ làm
như vậy cho tới khi phương trình bậc nhất không còn phù hợp nữa => tìm được
vùng chứa điểm cực trị. Chuyển sang giai đoạn 2.
§2. Phương pháp leo dốc BOX-WINSON
2.2. Thuật toán
2.2.1. Tính các phần của gradient
• Từ điểm xo chuyển đến điểm x theo hướng gradient tại xo.
• Theo khai triển Tailor:
𝜕𝑓(𝑥 0) 1 𝑘 3 0 1 𝑘 𝜕2 𝑓(𝑥 0 )
𝑁 𝑘 𝜕 𝑓(𝑥 ) 2
F(x)=f(x0)+σ𝑗=1 ∆𝑥𝑗 + σ𝑖=1 σ𝑗=1 ∆𝑥𝑖 ∆𝑥𝑗 + σ𝑗=1 ∆𝑥𝑗 +
𝜕𝑥 𝑗 2! 𝜕𝑥𝑖 𝜕𝑥𝑗 2! 𝜕𝑥𝑗2
⋯
• Nếu lấy gần đúng đến số lượng bậc nhất thì từ x0 đến x hàm f đã tăng
được 1 đại lượng
𝜕𝑓(𝑥 0 ) 𝜕𝑓(𝑥 0 ) 𝜕𝑓(𝑥 0 ) 𝜕𝑓(𝑥 0 )
∆𝑥1 + ∆𝑥2 + ∆𝑥3 + ⋯+ ∆𝑥𝑘 (10.2)
𝜕𝑥1 𝜕𝑥2 𝜕𝑥3 𝜕𝑥𝑘
§2. Phương pháp leo dốc BOX-WINSON
• Nhưng nếu ở miền D0 mô hình là tuyến tính thì
𝜕𝑓(𝑥 0 )
∆𝑥𝑗 = 𝑏𝑗 𝑗 = 1, 𝑘 (10.3)
𝜕𝑥𝑗
Z1=0,582
Z2=910
Z3=41,874
Là tâm miền D1 nhưng người nhận lời giải đã thỏa mãn nên thuật toán dừng.
§3. Phương pháp đơn hình đều
3.1. Nội dung phương pháp
Một đơn hình đều trong không gian K chiều, có tâm là gốc tọa độ, là một đa diện có
đúng k+1 đỉnh cách đều gốc tọa độ và có độ dài các cạnh bằng nhau.
Trong không gian một chiều, đơn hình là một đoạn thẳng. Trong không gian hai
chiều, đơn hình đều là một tam giác đều. Trong không gian ba chiều, đơn hình là
hình chóp tam giác đều.
- Đầu tiên, thí nghiệm k+1 thí nghiệm xuất phát sao cho các điểm thí nghiệm là các
đỉnh của đơn hình đều nói trên, được k+1 kết quả ra: y0, y1...,yk+1. Sẽ có một điểm
thí nghiệm ứng với kết quả ra kém nhất.
- Thay điểm đó bằng điểm phản chiếu của nó qua tâm của mặt đối diện. Điểm ảnh
cùng với các điểm còn lại của đơn hình cũ lại trở thành một đơn hình đều mới.
- Đối với đơn hình mới, chỉ cần làm thêm một thí nghiệm ở điểm ảnh. Lại so sánh
các kết quả và sẽ tìm được điểm thí nghiệm ứng với kết quả kém nhất.
§3. Phương pháp đơn hình đều
Quá trình trên cứ lặp đi lặp lại cho tới khi tìm được một miền khá phẳng (các kết
quả ra khác nhau ít) hoặc được các đơn hình quay xung quanh một điểm cố định
trong không gian các nhân tố thì dừng.
Ở đây có 3 vấn đề cần giải quyết:
- Xây dựng đơn hình xuất phát?
- Chuyển từ tọa độ giả xj sang tọa độ thật Zi?
- Tìm tọa độ điểm ảnh?
§3. Phương pháp đơn hình đều
3.2. Thuật toán
3.2.1. Xây dựng đơn hình xuất phát
Người ta chứng minh được rằng, các tọa độ của k-1 đỉnh của đơn hình đều trong không
gian Rk là các tọa độ của k+1 vectơ hàng của ma trận.
x1 x2 x3 … xj … xk−1 xk (1)
−x1 x2 x3 … xj … xk−1 xk (2)
0 −2x2 x3 … xj … xk−1 xk (3)
0 0 −3x3 … xj … xk−1 xk (4)
X= … … … … … … … … …
0 0 0 … −𝑗xj … xk−1 xk (𝑖 + 1)
… … … … … … … … …
0 0 0 … 0 … −(𝑘 − 1)xk−1 xk (𝑘)
0 0 0 … 0 … 0 −kxk (𝑘 + 1)
§3. Phương pháp đơn hình đều
Trong đó: x1 tùy chọn, các xj khác (j= 2,k) được tình theo công thức:
x1 2
xj =
𝑗(𝑗+1)
Tâm của đơn hình là (0, 0,...0), độ dài cạnh a = 2x, khi k=6, x1 = 0,5:
k=1 k=2 k=3 k=4 k=5 k=6
0,5 0,289 0,204 0,158 0,129 0,109
0,5 0,289 0,204 0,158 0,129 0,109
0 −0,578 0,204 0,158 0,129 0,109
0 0 −0,612 0,158 0,129 0,109
0 0 0 −0,632 0,129 0,109
0 0 0 0 −0,645 0,109
0 0 0 0 0 −0,645
𝑍𝑗 −𝑍𝑗0
xj = , j=1, 𝑘
Δ𝑍𝑗
§3. Phương pháp đơn hình đều
3.2.2. Tìm tọa độ điểm ảnh
Xét đơn hình đều trong Rk với k+1 đỉnh. Giả sử, đỉnh Z1 ứng với kết quả ra bé nhất.
Mặt đối diện đỉnh Z1 tạo thành bới các đỉnh còn lại Z1, i ≠ 1.
- Trước hết, tính các tọa độ điểm trọng tâm của diện:
1
𝑍𝑗𝑐 = σ𝑘+1 1
𝑖=1 𝑍𝑗 , j=1, 𝑘
𝑘
𝑗≠1
- Đỉnh mới Z1’ đối xứng với đỉnh bỏ đi Z1 qua trọng tâm Zc. Vậy:
1 ′ ′ 1′ 2
𝑍𝑐 = 𝑍1 + 𝑍1 ⟹ 𝑍1 = 2𝑍 𝑐 − 𝑍1 ⟹ 𝑍𝑗 = σ𝑘+1 1 1
𝑖=1 𝑍𝑗 − 𝑍𝑗 , j=1, 𝑘
2 𝑘
𝑗≠1
Ví dụ: xét tiếp bộ số liệu trong mục trên ( được nêu trên ở bảng 10.3)
§3. Phương pháp đơn hình đều
Bảng 10.3
Z1 Z2 Z3
Z0j 0.054 0.165 51.5
Sau khi tiến hành thí nghiệm 5, điểm kém nhất của đơn hình 1, 2, 3, 5 là
đỉnh của Z2. Loại đỉnh Z2 thêm vào đỉnh Z6 đối xứng qua Z2 qua diện 1, 3, 5.
Tiến hành tương tự như bước trước, nhận tọa độ của điểm mới:
𝑍16 = 0,092 𝑍26 = 0,1 𝑍36 = 75,825
Đo được y6=14,9 và thu được bảng 10.6.
§3. Phương pháp đơn hình đều
Bảng 10.6
Stt Z1 Z2 Z3 Y
1 Z1 0.077 0.204 58.134 11
3 Z3 0.054 0.087 58.134 14.8
5 Z5 0.054 0.165 84.67 13
6 Z6 0.092 0.1 75.825 14.9
Cứ tiến hành như vậy lần lượt có các bảng đơn hình 10.7, 10.8, 10.9, 10.10 và 10.11
Bảng 10.7
Stt Z1 Z2 Z3 Y
3 Z3 0.054 0.087 58.134 14.8
5 Z5 0.054 0.165 84.67 13
6 Z6 0.092 0.1 75.825 14.9
7 Z7 0.057 0.03 87.6619 18.5
§3. Phương pháp đơn hình đều
Bảng 10.8
Stt Z1 Z2 Z3 Y
3 Z3 0.054 0.087 58.134 14.8
6 Z6 0.092 0.1 75.825 14.9
7 Z7 0.057 0.03 87.6619 18.5
8 Z8 0.081 -0.02 63.049 18.3
Bảng 10.9
Stt Z1 Z2 Z3 Y
6 Z6 0.092 0.1 75.825 14.9
7 Z7 0.057 0.03 87.6619 18.5
8 Z8 0.081 -0.02 63.049 18.3
9 Z9 0.099 -0.013 92.86 18.5
§3. Phương pháp đơn hình đều
Bảng 10.10 Bảng 10.11
Stt Z1 Z2 Z3 Y Stt Z1 Z2 Z3 Y
7 Z7 0.057 0.03 87.6619 18.5
7 Z7 0.057 0.03 87.6619 18.5
Đến đây dừng thuật toán dừng lại vì đã tới miền chứa giá trị cực đại, các giá trị
thí nghiệm đã xấp xỉ bằng nhau. Đồng thời, cũng không cũng không cần phải
dùng phương pháp quy hoạch phi tuyến để tìm cực trị, vì đã tìm được công
thức tối ưu cần thiết.
§4. Quy hoạch thực nghiệm đa mục tiêu
4.1. Đặt bài toán
ξ
Xét mô hình 10.4
x1
… y
xk
Trên thực tế thường xuất hiện bài toán: trong một hệ thống cần nghiên cứu mối
quan hệ của m – biến ra y1, y2,…, ym đối với k – biến vào x1, x2,…, xk và sau khi
nhận được các mô hình biểu diễn các quan hệ đó, cần tìm một phương án trong
miền ràng buộc cho trước sao cho đạt được cực trị của m mục tiêu.
Bài toán cực trị nêu trên có thể phát biểu như sau:
§4. Quy hoạch thực nghiệm đa mục tiêu
Xét m – hàm, k – biến
𝑦1 = 𝑓1 𝑥1 , 𝑥2 , … , 𝑥𝑘
𝑦2 = 𝑓2 𝑥1 , 𝑥2 , … , 𝑥𝑘
∀ 𝑥1 , 𝑥2 , … , 𝑥𝑘 ∈ 𝐷
…
𝑦𝑚 = 𝑓𝑚 𝑥1 , 𝑥2 , … , 𝑥𝑘
Bảng 10.12.
N0 x1 x2 … xk Z1 Z2 … Zk y1 y2 … ym
1 y11 y12 … y1m
2 y21 y22 … y2m
… … … … …
N yN1 yN2 … yNm
§4. Quy hoạch thực nghiệm đa mục tiêu
Đối với mỗi biến y1, y2,…, ym cách xây dựng mô hình và kiểm định vẫn như cũ.
Giai đoạn 2: tìm điểm tối ưu chung cho m – mô hình. Đến đây xảy ra 2 trường
hợp:
Nếu thỏa mãn với độ chính xác của các mô hình thì chỉ việc sử dụng các
phương pháp quy hoạch đa mục tiêu để tìm cực trị
Nếu không thỏa mãn với độ chính xác của các mô hình thì phải tiếp tục
bằng quy hoạch thực nghiệm (ở đây sẽ sử dụng phương pháp Harington).
§4. Quy hoạch thực nghiệm đa mục tiêu
4.2. Phương pháp Harrington
4.2.1. Tổ hợp các mục tiêu
Harrington dùng phương pháp tổ chức các mục tiêu thành một mục tiêu chung
bằng việc đưa ra một hàm mong muốn dạng:
𝑄 = 𝑞1 . 𝑞2 … 𝑞𝑚
Trong đó: 𝑞1 . 𝑞2 … 𝑞𝑚 là các hàm của y1, y2,…, ym và y1, y2,…, ym lại là các hàm của
x1, x2,…, xk. Vậy
𝑄 = 𝐹 𝑥1 , 𝑥2 , … , 𝑥𝑘 (10.11)
Nhưng chọn ql, l = 1, 𝑚 như thế nào? Harrington đề nghị chọn ql sao cho yl tốt nhất
trong khoảng mong muốn thì ql= 1, còn khi yl xấu nhất, nghĩa là ngoài khoảng mông
muốn thì ql = 0. Các giá trị trung gian của ql cho theo bảng giá trị 10.13.
§4. Quy hoạch thực nghiệm đa mục tiêu
Bảng 10.3
yl ql
Rất tốt 0.80 ÷ 1
Tốt 0.63 ÷ 0.80
Đạt 0.37 ÷ 0.63
Xấu 0.2 ÷ 0.37
Rất xấu 0 ÷ 0.2
𝑙 𝑙
Lý do chọn 0.37 và 0.63 vì = 0.37; 1 − =0.63.
𝑒 𝑒
Để tìm biểu thức nêu lên mối quan hệ Harrington giả sử 𝑦𝑙 ≤ −𝑦𝑙 ≤ 𝑦ഥ𝑙 , 𝑙 = 1, 𝑚
− 𝑦 , 𝑛𝑙 1
𝑞𝑙 = 𝑒 𝑙 = 𝑛 (10.12)
𝑦𝑙, 𝑙
𝑒
0
𝑦 −𝑦
Trong đó 𝑦𝑙, = 𝑙 𝑙
∆𝑦𝑙
Còn nl là hằng số được xác định như sau:
§4. Quy hoạch thực nghiệm đa mục tiêu
Đối với mỗi yl, lấy các giá trị xác định ylxd và qlxd. Thay vào (10.12) thu được :
ln ln 1ൗ𝑞𝑙
𝑛𝑙 = , (10.13)
ln 𝑦𝑙
Ví dụ: giả sử 100 ≤ 𝑦1∗ ≤ 220, ta sẽ chọn 𝑦𝑙𝑥𝑑 = 200 và 𝑞𝑙𝑥𝑑 = 0.85.
200−160 2
Khi đó 𝑦𝑙, = =
60 3
1 2/3 𝑛
→ 0.85 = 𝑛 = 𝑒−
𝑒 2/3
𝑛 𝑛 1
ln 0.85 = − 2/3 → 2/3 = − ln 0,85 = ln
0.85
.
1
𝑛 ln 2/3 = ln ln .
0.85
1
ln ln0.85 1 2
𝑛= 2 = ln ln − .
ln3 0.85 3
§4. Quy hoạch thực nghiệm đa mục tiêu
4.2.2. Tổ chức thí nghiệm
Đầu tiên bố trí thí nghiệm như bảng 10.12. Sau đó tính các giá trị Qi, 𝑖 = 1, 𝑁 theo
công thức (10.10), trong đó ql lại được tính theo các công thức (10.12) và (10.13),
ta nhận được bảng 10.14.
Bảng 10.14
N0 x1 x2 … xk Z1 Z2 … Zk y1 y2 … ym Q
1 y11 y12 … y1m Q1
2 y21 y22 … y2m Q2
… … … … … …
N yN1 yN2 … yNm QN
§4. Quy hoạch thực nghiệm đa mục tiêu
Tìm được các phương trình hồi quy y1, y2,…, ym , từ đây có thể xây dựng được
phương trình hồi quy cho Q̂ 𝑥1 , 𝑥2 , … , 𝑥𝑘
Tiếp tục dùng phương pháp Box – Winson hoặc phương pháp đơn hình đều để tìm
được cực trị của Q
Giả sử tìm được điểm tối ưu là 𝑥1∗ , 𝑥2∗ , … , 𝑥𝑘∗ cho Q̂ 𝑥1 , 𝑥2 , … , 𝑥𝑘
Thay 𝑥1∗ , 𝑥2∗ , … , 𝑥𝑘∗ vào các phương trình hồi quy của y1, y2,…, ym sẽ tìm được các
giá trị tương ứng 𝑦1∗ 𝑥1 , 𝑥2 , … , 𝑥𝑘 ,…, 𝑦𝑚
∗
𝑥1 , 𝑥2 , … , 𝑥𝑘