Для данного инструмента также
задаются параметры и область их изменения, однако в отличие от сканирования
численные эксперименты проводятся только в некоторых, "ключевых" точках
пространства параметров, а значения целевой функции во всех остальных точках
строятся при помощи методов квадратической аппроксимации. Приведем достоинства
этого инструмента: низкие вычислительные затраты, особенно в случае задач
большой размерности, и возможность получения поверхности отклика. Вместе с тем
отметим, что для того, чтобы методы аппроксимации давали результаты близкие к
действительности нужно, чтобы поверхность отклика была гладкой и хорошо
описывалась поверхностями второго порядка. На самом деле эти ограничения не
такие сильные, как может показаться на первый взгляд. Дело в том, что, по мнению
ряда авторов, в реальных технических задачах поверхности отклика, во-первых,
гладкие, во-вторых, достаточно хорошо описываются поверхностями второго порядка.
На рисунках приведены поверхности отклика, полученные путем сканирования и
аппроксимации. Максимальная относительная ошибка аппроксимации по сравнению со
сканированием не превышает 3% в рассмотренном примере. Практика моделирования
показывает, что, как правило, максимальные относительные ошибки не превышают
10-15%, а время моделирования сокращается в десятки и сотни раз в сравнении со
сканированием того же пространства параметров. С другой стороны, найденные при
помощи данного метода решения могут быть достаточно далеко от реального оптимума
целевой функции. Этот инструмент не предназначен для точного поиска оптимума
целевой функции, а скорее для быстрого анализа поверхности отклика,
чувствительности системы к различным параметрам. Другими словами, он
предназначен для быстрого, достаточно поверхностного анализа свойств
механической системы.
Метод анализа иерархий (МАИ) был предложен в начале 70-х годов прошлого века
Томасом Саати. Метод заключается в построении иерархии целей, где достижение
главной цели (получение оптимальной конструкции механической системы)
разбивается на несколько подцелей (т.е. оптимальная система должна, например,
обладать отличными динамическими качествами, быть дешевой, технологичной и
надежной). Цели второго уровня, в свою очередь, можно представить как набор
подцелей третьего уровня и т.д. Таким образом, сложные критерии в конце этой
иерархии выражаются через относительно простые, которые можно легко
формализовать и оценить. МАИ использует также назначение относительных весов
критериям так называемым "методом попарных сравнений", что дает возможность
проверить корректность суждений экспертов как качественно, так и
количественно.
Дополнительную информацию о методе анализа иерархий смотрите:
1. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. Финансы и статистика, 2001. - 368 с.
2. Андрейчиков А.В., Андрейчикова О.Н. Компьютерная поддержка изобретательства (методы, системы, примеры применения).- М.:Машиностроение, 1998.-476 с.: ил
3. Саати Т. Принятие решений. Метод анализа иерахий: Пер. с англ.- М.: "Радио и связь", 1993.- 320 с.
4. Метод анализа иерархий: немного теории
Служба основана на использовании протокола TCP/IP, что позволяет задействовать
для параллельных вычислений практически любой доступный в сети компьютер. Служба
распределенных вычислений состоит из двух частей: серверной и клиентской.
Серверная часть работает на головном компьютере и обеспечивает управление
выполнением распределенных вычислений. Клиентская часть запускается на тех
компьютерах, которые будут работать под управлением сервера, получает задания на
проведение численных экспериментов от сервера, выполняет их и возвращает
результаты.
Серверная часть службы распределенных вычислений включена в инсталляцию Универсального механизма. Клиентская часть поставляется в виде отдельной инсталляции.
Скачать серверную и клиентскую части вы можете здесь.






Пользователь задает параметры (как
правило, это геометрические, инерционные параметры или параметры жесткости и
демпфирования), пределы и шаг их изменения и запускает проект на выполнение. В
процессе расчетов на жесткий диск сохраняются выбранные пользователем
динамические характеристики механической системы, которые доступны для анализа
по окончании вычислений. Существуют специальные возможности для сканирования
ж.-д. экипажей: сканирования динамического поведения экипажа на различных
профилях колес и рельсов, на различных неровностях путевой структуры, на путях
различной макрогеометрии (прямые и кривые участки пути). К достоинствам данного
метода можно отнести получение полной информации о поверхности отклика,
отыскание глобального оптимума целевой функции. Также очевидны и недостатки
метода: весьма значительные вычислительные затраты и "проклятие размерности",
делающее нереальным решение задач большой размерности. На практике число
параметров для сканирования редко превышает 4-5. Сканирование поддерживает
использование
В основе этого инструмента лежит
использование классических методов оптимизации нулевого и первого порядка: метод
Хука-Дживса, Нелдера-Мида, метод комплексов, метод сопряженных направлений
Пауэлла, метод Дэвидона-Флетчера-Пауэлла. К достоинствам методов можно отнести
относительно небольшие вычислительные затраты. Однако использование алгоритмов
оптимизации сопряжено с определенными проблемами. Это, во-первых, потенциальная
возможность остановки алгоритма в локальном максимуме, во-вторых, отсутствие
информации о виде поверхности отклика по завершении процесса. С другой стороны,
поверхности отклика в технических задачах всегда достаточно гладкие, иначе
появилась бы высокая чувствительность системы к изменению одного или нескольких
параметров. Это позволяет довольно успешно применять описанные методы.
Перспективы развития данного инструмента авторы связывают с реализацией
генетических алгоритмов оптимизации, которые позволят перейти к решению нового
круга задач, в том числе задач большой размерности.