Dana jest sieć dystrybucji wody w postaci: Ø      m- węzłów,

Slides:



Advertisements
Podobne prezentacje
Wybrane zastosowania programowania liniowego
Advertisements

Sieć jednokierunkowa wielowarstwowa
IV Tutorial z Metod Obliczeniowych
Metoda simpleks Simpleks jest uniwersalną metodą rozwiązywania zadań programowania liniowego. Jest to metoda iteracyjnego poprawiania wstępnego rozwiązania.
Wprowadzenie do optymalizacji wielokryterialnej.
STATYSTYKA WYKŁAD 03 dr Marek Siłuszyk.
Metody rozwiązywania układów równań liniowych
Badania operacyjne. Wykład 2
Zakład Mechaniki Teoretycznej
Wykład no 11.
Sztuczne sieci neuronowe
DYNAMIKA WÓD PODZIEMNYCH
Rozpoznawanie Twarzy i Systemy Biometryczne, 2005/2006
Jakość sieci geodezyjnych. Pomiary wykonane z największą starannością, nie dostarczają nam prawdziwej wartości mierzonej wielkości, lecz są zwykle obarczone.
Analiza korelacji.
Metody Sztucznej Inteligencji w Sterowaniu 2009/2010Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz,
Liniowe modele decyzyjne – rozwiązania i analiza post-optymalizacyjna
Niepewności przypadkowe
Metoda simpleks opracowanie na podstawie „Metody wspomagające podejmowanie decyzji w zarządzaniu” D. Witkowska, Menadżer Łódź Simpleks jest uniwersalną.
dr inż. Iwona Staniec p. 334 Lodex
Mirosław ŚWIERCZ Politechnika Białostocka, Wydział Elektryczny
Wstęp do interpretacji algorytmów
OPORNOŚĆ HYDRAULICZNA, CHARAKTERYSTYKA PRZEPŁYWU
Sieci neuronowe jednokierunkowe wielowarstwowe
Opis matematyczny elementów i układów liniowych
Automatyka Wykład 3 Modele matematyczne (opis matematyczny) liniowych jednowymiarowych (o jednym wejściu i jednym wyjściu) obiektów, elementów i układów.
Metody matematyczne w Inżynierii Chemicznej
ETO w Inżynierii Chemicznej MathCAD wykład 4.. Analiza danych Aproksymacja danych.
Obserwatory zredukowane
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
II Zadanie programowania liniowego PL
AUTOMATYKA i ROBOTYKA (wykład 5)
ALGORYTMY OPTYMALIZACJI
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
Zakładamy a priori istnienie rozwiązania α układu równań.
ANALIZY BEZPIECZEŃSTWA I OPTYMALIZACJA WYDAJNOŚCI NAPROMIENIAŃ W REAKTORZE MARIA – METODY OBLICZENIOWE I EKSPERYMENTALNE K. Pytel, Z. Marcinkowska, W.
METODY NUMERYCZNE I OPTYMALIZACJA
Modelowanie matematyczne jako podstawa obliczeń naukowo-technicznych:
Technika optymalizacji
Metody iteracyjne rozwiązywania układów równań liniowych
Modelowanie i identyfikacja 2010/2011Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz, Katedra.
Perceptrony proste liniowe - Adaline
II. Matematyczne podstawy MK
Sterowanie – metody alokacji biegunów II
TYTUŁ TYTUŁ TYTUŁ TYTUŁ PRACY DYPLOMOWEJ
MS Excel - wspomaganie decyzji
FUNKCJE Opracował: Karol Kara.
II Zadanie programowania liniowego PL
Jacek Wasilewski Politechnika Warszawska Instytut Elektroenergetyki
D. Ciołek BADANIA OPERACYJNE – wykład 2
Obliczenia hydrauliczne sieci wodociągowej
Ekonometryczne modele nieliniowe
O PTYMALIZACJA JAKO ELEMENT SMART GRID Błażej Olek, Michał Wierzbowski Instytut Elektroenergetyki Politechnika Łódzka.
Zagadnienie i algorytm transportowy
D. Ciołek EKONOMETRIA – wykład 7
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
Wstęp do interpretacji algorytmów
D. Ciołek BADANIA OPERACYJNE – wykład 2
Katedra Inżynierii Sterowania Komputerowe systemy sterowania i wspomagania decyzji 2015/2016 © Kazimierz Duzinkiewicz, dr hab. inż. 1 Dekompozycyjne metody.
1 Metody optymalizacji - Energetyka 2015/2016 Podstawy matematyczne metod optymalizacji © Kazimierz Duzinkiewicz, dr hab. inż. Katedra Inżynierii Systemów.
Treść dzisiejszego wykładu l Postać standardowa zadania PL. l Zmienne dodatkowe w zadaniu PL. l Metoda simpleks –wymagania metody simpleks, –tablica simpleksowa.
Treść dzisiejszego wykładu l Analiza wrażliwości –zmiana wartości współczynników funkcji celu, –zmiana wartości prawych stron ograniczeń. l Podejścia do.
Rozpatrzmy następujące zadanie programowania liniowego:
Metody optymalizacji Materiał wykładowy /2017
Systemy neuronowo – rozmyte
MATEMATYCZNE MODELOWANIE PROCESÓW BIOTECHNOLOGICZNYCH
59 Konferencja Naukowa KILiW PAN oraz Komitetu Nauki PZITB
Sterowanie procesami ciągłymi
Jakość sieci geodezyjnych
Zapis prezentacji:

Przykład I. Zadania sterowania siecią dystrybucji wody minimalizujące zużycie energii elektrycznej Dana jest sieć dystrybucji wody w postaci: Ø      m- węzłów, Ø      s - odbiorców z odpowiednimi potrzebami, w których utrzymywane jest odpowiednie ciśnienie oraz n łuków, Ø każdy łuk „i” charakteryzuje się przepływem yi: Opis sieci: Ø      spadek ciśnienia xi na łuku „i”: gdzie: ri- opór hydrauliczny łuku „i” di- różnica wysokości geodezyjnych łuku „i” Ograniczenia wynikające ze struktury sieci:  I prawo Kirchhoff’a: A – macierz incydencji dla węzłów sieci wodociągowej, II prawo Kirchhoff’a: B – macierz oczkowa dla węzłów sieci wodociągowej. Algorytmy optymalizacji Dr inż. Ewa Szlachcic Wykład 2

Sterowanie siecią dystrybucji wody minimalizujące zużycie energii elektrycznej gdzie: przy ograniczeniach: Algorytmy optymalizacji Dr inż. Ewa Szlachcic Wykład 2

Przykład III: Znaleźć najlepszą liniową aproksymację nieznanej funkcji określonej poprzez tabelę 20 pomiarów. Wyznaczyć optymalne wartości wektora współczynników b=[b1 , b 2, b 3, b4] formy liniowej : gdzie: u - wektor wielkości sterujących, y - wektor wielkości wyjściowych Dane: tabela z 20 pomiarami wektora u wielkości sterujących oraz wektora wielkości wyjściowych dla następujących kryteriów jakości: minimum sumy wartości bezwzględnych różnic między wartościami wektora wyjść a wartościami otrzymanymi z modelu liniowego: gdzie: - wartości zmierzone wielkości wyjściowych i=1,...,20 - wielkości wyjściowe obliczone na podstawie modelu Zadanie trudne do rozwiązania, ponieważ funkcja celu jest nie-różniczkowalna. Algorytmy optymalizacji Dr inż. Ewa Szlachcic Wykład 2

Równoważne zadanie programowania liniowego Ø      Wprowadzono nową zmienną: Ø      Zwiększenie wymiaru zadania: 24 zmienne niezależne  przy ograniczeniach: dla i=1,...,20 Zadanie programowania liniowego: Ø      funkcja celu jest wypukła Ø      rozwiązano metodą dwufazową simpleks. Wektor b optymalnych współczynników : Algorytmy optymalizacji Dr inż. Ewa Szlachcic Wykład 2

Drugie kryterium jakości: 2. minimum sumy kwadratów różnic między wartościami wektora wyjść a wartościami otrzymanymi z modelu liniowego: gdzie: - wartości zmierzone wielkości wyjściowych - i=1,...,20 - wielkości wyjściowe obliczone na podstawie modelu Zadanie programowania nieliniowego: Ø      funkcja celu jest wypukła Ø      rozwiązano metodą gradientów sprzężonych w wersji Polak’a-Ribiere’y. Wyniki identyfikacji zależą od wyboru kryterium optymalizacji i przyjętej dokładności obliczeń. Algorytmy optymalizacji Dr inż. Ewa Szlachcic Wykład 2

Zadanie programowania ilorazowego: przy ograniczeniach: oraz dim A=[mxn] Algorytmy optymalizacji Dr inż. Ewa Szlachcic Wykład 2

Przykład projektowania topologii sieci telekomunikacyjnej cz. 1 Zadanie określenia liczby nadmiarowych kanałów w sieci telekomunikacyjnej przy minimalizacji sumarycznych kosztów inwestycyjnych poniesionych na projektowanie sieci. Dana jest nieliniowa sieć telekomunikacyjna opisana grafem nieskierowanym G=[N,U] w postaci: m węzłów, n krawędzi, każdy może posiadać xi elementów nadmiarowych, przy czym każda krawędź (kanał) charakteryzuje się niezawodnością elementu ri. Sieć telekomunikacyjna posiada n krawędzi obciążonych kosztami inwestycyjnymi uzależnionymi od ilości elementów nadmiarowych w postaci: gdzie: - współczynniki kosztów inwestycyjnych dla poszczególnych linii telekomunikacyjnych. Algorytmy optymalizacji Dr inż. Ewa Szlachcic Wykład 2

Przykład projektowania topologii sieci telekomunikacyjnej cz. 2 R(x)- miara niezawodności lub gotowości sieci w funkcji ilości elementów nadmiarowych do wyboru w postaci: 1. wielokrotny wybór dla kolejnych wartości wektora x 2. równoległa nadmiarowość dla x2 równoległych kanałów w sieci przy czym r2– oznacza prawdopodobieństwo niezawodności dla dowolnego elementu : 3. nadmiarowość typu „k” z „n” dla prawdopodobieństwa elementu rj Algorytmy optymalizacji Dr inż. Ewa Szlachcic Wykład 2

Przykład projektowania topologii sieci telekomunikacyjnej cz. 2 Zadanie nieliniowej optymalizacji statycznej:przy ograniczeniach na niezawodnośc kanałów: przy ograniczeniach: lub Zadanie nieliniowej optymalizacji statycznej: przy ograniczeniach na koszty inwestycyjne Algorytmy optymalizacji Dr inż. Ewa Szlachcic Wykład 2

Metody numeryczne i optymalizacja Zadanie optymalizacji polega na znalezieniu wektora zmiennych decyzyjnych x, należącego do zbioru rozwiązań dopuszczalnych X w postaci: takiego, że dla Co jest równoznaczne zapisowi: Punkt - minimum globalne funkcji f (x) na zbiorze X Algorytmy optymalizacji Dr inż. Ewa Szlachcic Wykład 2