Analiza numeryczna i symulacja systemów

Slides:



Advertisements
Podobne prezentacje
OBLICZENIA NUMERYCZNE
Advertisements

Modelowanie i symulacja
Metody badania stabilności Lapunowa
Nieliniowa metoda najmniejszych kwadratów
Metody numeryczne część 1. Rozwiązywanie układów równań liniowych.
Uczenie ze wzmocnieniem
IV Tutorial z Metod Obliczeniowych
Programowanie matematyczne
Dany jest układ różniczkowych
Metody poszukiwania minimów lokalnych funkcji
Interpolacja Cel interpolacji
STATYSTYKA WYKŁAD 03 dr Marek Siłuszyk.
Różniczkowanie numeryczne
Metody rozwiązywania układów równań liniowych
Inteligencja Obliczeniowa Ulepszenia MLP
Badania operacyjne. Wykład 2
Wykład no 11.
Problemy nieliniowe Rozwiązywanie równań nieliniowych o postaci:
Metoda węzłowa w SPICE.
Sztuczne sieci neuronowe
Metody Sztucznej Inteligencji w Sterowaniu 2009/2010Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz,
Nieliniowa metoda najmniejszych kwadratów
Linear Methods of Classification
Sieci neuronowe jednokierunkowe wielowarstwowe
Metody matematyczne w Inżynierii Chemicznej
Metoda różnic skończonych I
Metody matematyczne w Inżynierii Chemicznej
Metody Lapunowa badania stabilności
Metody numeryczne SOWIG Wydział Inżynierii Środowiska III rok
Obserwatory zredukowane
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
ALGORYTMY OPTYMALIZACJI
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
Zakładamy a priori istnienie rozwiązania α układu równań.
METODY NUMERYCZNE I OPTYMALIZACJA
Modelowanie matematyczne jako podstawa obliczeń naukowo-technicznych:
Technika optymalizacji
Modelowanie i identyfikacja 2010/2011Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz, Katedra.
Miary efektywności/miary dobroci/kryteria jakości działania SSN
Dana jest sieć dystrybucji wody w postaci: Ø      m- węzłów,
EXCEL Wykład 4.
Urszula Boryczka Testy De Jonga Urszula Boryczka
II Zadanie programowania liniowego PL
Metody numeryczne szukanie pierwiastka metodą bisekcji
Metody matematyczne w Inżynierii Chemicznej
Ekonometryczne modele nieliniowe
EXCEL Wstęp do lab. 4. Szukaj wyniku Prosta procedura iteracyjnego znajdowania niewiadomej spełniającej warunek będący jej funkcją Metoda: –Wstążka Dane:
Tematyka zajęć LITERATURA
Algorytm znajdowania Największego Wspólnego Dzielnika.
Metody rozwiązywania układów równań nieliniowych
Metody poszukiwania punktów siodłowych x1x1 x2x2 NH 3...HCl NH Cl - NH 3...H...Cl H3NH3N H Cl x1x1 x2x2     E E.
Metody nieinkluzyjne: Metoda iteracji prostej.
Adaptacyjne Systemy Inteligentne Maciej Bielski, s4049.
Metody rozwiązywania układów równań liniowych
Wydział Elektroniki PWr AiR III r. Metody numeryczne i optymalizacja Dr inż. Ewa Szlachcic Wykład 3 Właściwe minimum lokalne: Funkcja f(x) ma w punkcie.
Warstwowe sieci jednokierunkowe – perceptrony wielowarstwowe
Wybrane zagadnienia inteligencji obliczeniowej Zakład Układów i Systemów Nieliniowych I-12 oraz Katedra Mikroelektroniki i Technik Informatycznych proponują.
Pakiety numeryczne Optymalizacja
1 Metody optymalizacji - Energetyka 2015/2016 Podstawy matematyczne metod optymalizacji © Kazimierz Duzinkiewicz, dr hab. inż. Katedra Inżynierii Systemów.
Fundamentals of Data Analysis Lecture 12 Approximation, interpolation and extrapolation.
Treść dzisiejszego wykładu l Postać standardowa zadania PL. l Zmienne dodatkowe w zadaniu PL. l Metoda simpleks –wymagania metody simpleks, –tablica simpleksowa.
Metody optymalizacji Wykład /2016
Metody optymalizacji Wykład 1b /2016
Metody matematyczne w Inżynierii Chemicznej
MATMU – Laboratorium 2: Optymalizacja
Analiza numeryczna i symulacja systemów
Metody matematyczne w inżynierii chemicznej
Wykład 4 (cz. 1) Pierwsze zastosowania modelowania molekularnego: lokalna i globalna minimalizacja energii potencjalnej.
Katedra Informatyki Stosowanej UMK
Hiperpowierzchnia energii potencjalnej cząsteczki
Zapis prezentacji:

Analiza numeryczna i symulacja systemów Janusz Miller Przegląd metod optymalizacji numerycznej

Numeryczne metody optymalizacji Deterministyczne (klasyczne) * bez ograniczeń: - bezgradientowe: + simpleks Neldera-Meada, + spadku względem współrzędnych (Gaussa-Seidela), + Powella, Rosenbrocka, Hooke’a-Jeevesa,... - gradientowe pierwszego rzędu: + największego spadku, + gradientów sprzężonych. - gradientowe drugiego rzędu i „superliniowe”: + Newtona, BFGS, + „Trust region”. * z ograniczeniami: + eliminacji zmiennych, + Lagrange’a, + z funkcją kary, + SQP. Niedeterministyczne - Monte Carlo, symulowane wyżarzanie, algorytmy genetyczne i ewolucyjne, algorytmy rojowe itp. ANiSS 2014/15 - Metody optymalizacji

ANiSS 2014/15 - Metody optymalizacji Cel Znaleźć gdy zadanie bez ograniczeń, gdy zadanie z ograniczeniami. Szukanie postępuje krok po kroku: - wektor wyznaczający kierunek kroku, - liczba określająca długość kroku. ANiSS 2014/15 - Metody optymalizacji

ANiSS 2014/15 - Metody optymalizacji Oznaczenia Funkcja celu Gradient Hesjan ANiSS 2014/15 - Metody optymalizacji

Metoda simpleksów Neldera-Meada 1. W przestrzeni n wymiarowej tworzymy wokół punktu x0 simpleks n+1 wymiarowy. 2. Porządkujemy punkty simpleksu tak, aby f(xi)<f(xi+1), i=1,...,n. 3. Generujemy punkt r=2m-xn+1, gdzie m=(x1+...+xn)/n. 4. Jeżeli f(x1)<=f(r)<f(xn), to akceptujemy r, reflect. 5. Jeżeli f(r)<=f(x1), to obliczamy s=m+2 i a. jeżeli f(s)<f(r), to akceptujemy s, expand. b. jeżeli nie, to akceptujemy r, reflect. 6. Jeżeli f(r)>=f(xn), to kontrakcja między m a lepszym(r,xn+1 ) a. jeżeli f(r)<f(xn+1), to obliczamy c=m+(r-m)/2, jeżeli f(c)<f(r), to akceptujemy c, contract outside, jeżeli nie, to do punktu 7, b. jeżeli f(r)>=f(xn+1), to obliczamy cc=m+(xn+1-m)/2, jeżeli f(cc)<f(xn+1), to akceptujemy cc, contract inside, jeżeli nie, to do punktu 7. 7. Obliczamy n punktów vi=x1+(xi-x1)/2, i=2,...,n+1, shrink. Ew. unikanie degradacji. ANiSS 2014/15 - Metody optymalizacji

ANiSS 2014/15 - Metody optymalizacji Metody rozwiązywania układów równań nieliniowych Metoda simpleks (Nelder-Mead) xn+1 cc x1 m c r s ANiSS 2014/15 - Metody optymalizacji

Podstawowe schematy jednego kroku metod optymalizacji 1. Wyznaczenie kierunku poszukiwania minimum pk. 2. Wykonanie kroków (w tym kierunku) do minimum. B: (Trust Region) 1. Określenie maksymalnej długości kroku. 2. Wyznaczenie kierunku, w którym należy wykonać krok. ANiSS 2014/15 - Metody optymalizacji

Poszukiwanie na kierunku (line search methods) Szukanie minimum na kierunku: Obliczanie wartości funkcji w kolejnych punktach, aż do napotkania wzrostu wartości funkcji. Interpolacja wielomianem Lagrange’a 3 ostatnich punktów. Przybliżone minimum w minimum paraboli. Kryterium wyboru długości “kroku” a Warunek Wolfe’a: Redukcja wartości funkcji powinna być proporcjonalna do długości kroku oraz do pochodnej kierunkowej: (nierówność Armijo) Wybór metody zależy od kosztu zmiany kierunku (zerowy albo obliczanie gradientu lub hesjanu). ANiSS 2014/15 - Metody optymalizacji

ANiSS 2014/15 - Metody optymalizacji Metoda spadku względem współrzędnych (Gauss-Seidel, coordinate descent method) Grupa A, Bez ograniczeń, bezgradientowa: Idea: Szukanie minimum na kierunkach kolejnych współrzędnych. ANiSS 2014/15 - Metody optymalizacji

ANiSS 2014/15 - Metody optymalizacji Przykład: ANiSS 2014/15 - Metody optymalizacji

ANiSS 2014/15 - Metody optymalizacji Metoda spadku względem współrzędnych ANiSS 2014/15 - Metody optymalizacji

ANiSS 2014/15 - Metody optymalizacji Metoda spadku względem współrzędnych ANiSS 2014/15 - Metody optymalizacji

Metoda najszybszego spadku (steepest descent) Grupa A Bez ograniczeń gradientowa (pierwszego rzędu) Idea: ANiSS 2014/15 - Metody optymalizacji

ANiSS 2014/15 - Metody optymalizacji Metoda najszybszego spadku ANiSS 2014/15 - Metody optymalizacji

Metoda gradientów sprzężonych Conjugate gradient (CG) method Grupa A Bez ograniczeń Gradientowa (pierwszego rzędu) Idea: ANiSS 2014/15 - Metody optymalizacji

Numeryczne metody optymalizacji Metoda Newtona Szybka -metoda gradientowa drugiego rzędu. Skuteczna - w pobliżu minimum (ogólnie - gdy model 2. rzędu dobrze przybliża funkcję), - gdy hesjan jest macierzą dodatnio określoną. Kosztowna - wymaga częstego obliczania hesjanu. ANiSS 2014/15 - Metody optymalizacji

ANiSS 2014/15 - Metody optymalizacji Metoda Newtona (Grupa A) Przykład: ANiSS 2014/15 - Metody optymalizacji

Numeryczne metody optymalizacji (Grupa A) Quasi-Newton Zbieżność superliniowa (rząd > 1). Mniejszy koszt - nie wymagają obliczania hesjanu. Hesjan zastąpiony macierzą Bk - uaktualnianą informacją o funkcji uzyskaną w kolejnych krokach - zmiana gradientu wzdłuż kierunku poszukiwań dostarcza przybliżoną informację o drugiej pochodnej. Najbardziej popularna BFGS (Broyden, Fletcher, Goldfarb,Shanno): ANiSS 2014/15 - Metody optymalizacji

Trust-Region Methods (Grupa B) Idea: - Budujemy model otoczenia punktu xk Bk- wg Newtona, CG, BFGS itp.. - Szukamy minimum w tym otoczeniu - Promień D ustalany na podstawie zgodności modelu i funkcji celu w poprzednim kroku. ANiSS 2014/15 - Metody optymalizacji

ANiSS 2014/15 - Metody optymalizacji Idea metody Trust-Region funkcja f model m “trust region” D ANiSS 2014/15 - Metody optymalizacji

Trust-Region Methods Metoda Dogleg Schemat algorytmu: - Wyznaczamy punkt Cauchy’ego (punkt na kierunku antygradientu, w którym model ma minimum). - Drogę do punktu xk+1 skłądamy z odcinka do punktu Cauchy’ego i odcinka od punktu Cauchy’ego do minimum modelu. - Jeżeli wiarygodność modelu jest mała, to dominuje najszybszy spadek. - Jeżeli wiarygodność jest duża, to dominuje model 2. rzędu. - Są metody bardziej zaawansowane np. Levenberga - Marquardta ANiSS 2014/15 - Metody optymalizacji

Ilustracja kroku metody metody Dogleg ANiSS 2014/15 - Metody optymalizacji

Numeryczne metody optymalizacji z ograniczeniami - ograniczenia równościowe i nierównościowe, - Metody: * eliminacja zmiennych, * metody z funkcją kary, * metoda Lagrange’a - Warunek konieczny 1. rzędu - Warunek 2. rzędu - Quadratic Programming - SQP - Sequential Quadratic Programming ANiSS 2014/15 - Metody optymalizacji

ANiSS 2014/15 - Metody optymalizacji Kryterium stopu Minimum lokalne a globalne. W zastosowaniu do rozwiązywania układów równań nieliniowych - istotna jest znajomość funkcji celu punkcie minimalnym. “Numeryczna niejednoznaczność” zera - błąd numeryczny obliczania wartości funkcji. ANiSS 2014/15 - Metody optymalizacji

Numeryczne metody optymalizacji Metody niedeterministyczne: - Monte Carlo, - symulowane wyżarzanie, - algorytmy genetyczne i ewolucyjne, - algorytmy rojowe, - wykorzystujące sztuczne sieci neuronowe. ANiSS 2014/15 - Metody optymalizacji

O czym należy pamiętać: Algorytm poszukiwania minimum w kierunku. Podstawowe schematy jednego kroku metod optymalizacji. W których metodach jest obliczany gradient funkcji. W których metodach jest obliczany hesjan. Ogólny schemat algorytmu: - Neldera-Mead’a, - spadku wzdłuż współrzędnych, - najszybszego spadku, - gradientu sprzężonego, - Newtona, - quasi-newtonowskiego (np.BFGS), - trust-region, - Monte-Carlo. Zalety i wady poszczególnych metod. ANiSS 2014/15 - Metody optymalizacji