Помощь студентам в учебе
Программная система для автоматизированной настройки параметров алгоритмов оптимизации
|
ВВЕДЕНИЕ 8
Исследовательская часть
1. Задача мета-оптимизации 10
1.1. Классификация методов мета-оптимизации 10
1.1.1. Настройка параметров 11
1.1.2. Управление параметрами 12
1.1.3. Сравнение подходов к мета-оптимизации 12
1.2. Методы настройки параметров 14
1.2.1. Мета-стохастические поисковые методы 16
1.2.2. Методы выборки 18
1.2.3. Скрининговые методы 19
1.2.4. Методы настройки с использованием мета-модели 20
1.2.5. Сравнение методов настройки 22
1.3. Выводы 25
Конструкторская часть
2. Разработка метода перманентной настройки параметров 26
2.1. Постановка задачи настройки параметров 26
2.2. Схема метода перманентной настройки параметров 27
2.3. Методы поиска эффективных стратегий 33
2.3.1. Метод локальной унимодальной выборки 34
2.3.2. Генетический алгоритм 35
2.4. Метод построения мета-модели 39
2.5. Метод классификации пользовательских задач 42
2.6. Выводы 45
Технологическая часть
3. Программная реализация 46
3.1. Выбор средств разработки 46
3.2. Система автоматизированной настройки параметров 49
3.2.1. Архитектура системы 50
3.2.2. Классификация пользовательских задач 52
3.2.3. Параметры базового алгоритма 53
3.2.4. Начальное исследование пространства стратегий 54
3.3. Проектирование базы данных 56
3.4. Выводы 58
4. Вычислительный эксперимент 59
4.1. Базовый алгоритм 59
4.2. Тестовые функции 64
4.3. Результаты 66
4.4. Выводы 68
Организационно-Экономическая часть
5. Расчет стоимости разработки и внедрения системы 72
5.1. Организация процесса разработки 72
5.2. Расчет затрат на внедрение и цена продукта 75
Охрана труда и экология
6. Проектирование рабочего помещения 77
6.1. Организация рабочих мест 77
6.2. Микроклимат 80
6.3. Шум и вибрация 81
6.4. Освещение 82
6.5. Расчет освещения 84
ЗАКЛЮЧЕНИЕ 87
СПИСОК ЛИТЕРАТУРЫ 89
ПРИЛОЖЕНИЯ 94
Исследовательская часть
1. Задача мета-оптимизации 10
1.1. Классификация методов мета-оптимизации 10
1.1.1. Настройка параметров 11
1.1.2. Управление параметрами 12
1.1.3. Сравнение подходов к мета-оптимизации 12
1.2. Методы настройки параметров 14
1.2.1. Мета-стохастические поисковые методы 16
1.2.2. Методы выборки 18
1.2.3. Скрининговые методы 19
1.2.4. Методы настройки с использованием мета-модели 20
1.2.5. Сравнение методов настройки 22
1.3. Выводы 25
Конструкторская часть
2. Разработка метода перманентной настройки параметров 26
2.1. Постановка задачи настройки параметров 26
2.2. Схема метода перманентной настройки параметров 27
2.3. Методы поиска эффективных стратегий 33
2.3.1. Метод локальной унимодальной выборки 34
2.3.2. Генетический алгоритм 35
2.4. Метод построения мета-модели 39
2.5. Метод классификации пользовательских задач 42
2.6. Выводы 45
Технологическая часть
3. Программная реализация 46
3.1. Выбор средств разработки 46
3.2. Система автоматизированной настройки параметров 49
3.2.1. Архитектура системы 50
3.2.2. Классификация пользовательских задач 52
3.2.3. Параметры базового алгоритма 53
3.2.4. Начальное исследование пространства стратегий 54
3.3. Проектирование базы данных 56
3.4. Выводы 58
4. Вычислительный эксперимент 59
4.1. Базовый алгоритм 59
4.2. Тестовые функции 64
4.3. Результаты 66
4.4. Выводы 68
Организационно-Экономическая часть
5. Расчет стоимости разработки и внедрения системы 72
5.1. Организация процесса разработки 72
5.2. Расчет затрат на внедрение и цена продукта 75
Охрана труда и экология
6. Проектирование рабочего помещения 77
6.1. Организация рабочих мест 77
6.2. Микроклимат 80
6.3. Шум и вибрация 81
6.4. Освещение 82
6.5. Расчет освещения 84
ЗАКЛЮЧЕНИЕ 87
СПИСОК ЛИТЕРАТУРЫ 89
ПРИЛОЖЕНИЯ 94
В связи со стремительным развитием технологий производства и ростом сложности выпускаемой продукции, усложняются и методы синтеза проектных решений. Успех производителя во многом зависит от используемых средств автоматизированного проектирования и инженерного анализа. Передовое программное обеспечение и высокая производительность алгоритмов решения задач САПР определяют качество продукта и сроки его разработки. Немаловажной задачей является отыскание оптимальных значений параметров технических объектов.
Процесс оптимизации параметров инженерных изделий требует огромных вычислительных затрат. Высокие темпы развития технологий подразумевают разработку и использование СЭА-систем, включающих современные и сложные методы оптимизации.
Большинство методов оптимизации имеют свободные параметры, которые определяют их эффективность. Разработчики метода оптимизации предоставляют рекомендуемые значения свободных параметров из расчета на его стабильное поведение при решении максимально широкого спектра оптимизационных задач. Но эти значения не универсальны и, вообще говоря, значения параметров должны подбираться с учетом свойств решаемых оптимизационных задач, что требует понимания процесса оптимизации со стороны пользователя. Эффективность решения оптимизационной задачи во многом зависит от правильной выбора значений параметров используемого метода.
Автоматизация процесса настройки параметров позволит инженерам использовать весь потенциал современных методов оптимизации без помощи специалистов в области математики. Задача поиска оптимальных значений свободных параметров алгоритмов оптимизации называется задачей мета-оптимизации.
В данной работе исследованы основные подходы к решению задачи мета-оптимизации. Сделан обзор имеющихся работ в данной области, проанализированы преимущества и недостатки различных методов мета-оптимизации.
Предложен метод перманентной настройки параметров и разработана программная система для автоматизированной настройки параметров алгоритмов оптимизации.
Цель работы - скомбинировать лучшие качества существующих методов мета-оптимизации для получения универсальной программной системы автоматизированной настройки параметров. Система предназначена для накопления и использования информации о работе настраиваемого алгоритма с целью повышения эффективности его применения.
Преследовалась идея создания гибкого и легкого в использовании программного решения. Внедрение разработанной системы не потребует модификаций используемого алгоритма оптимизации и специальных знаний в области мета-оптимизации, что позволит увеличить эффективность решения оптимизационных задач.
В результате проведенной работы реализована система автоматизированной настройки параметров, содержащая различные методы мета-оптимизации. Описана структура базы данных для хранения информации о процессе настройки и методы взаимодействия с ней. Предложен способ повторного использования имеющейся информации для уменьшения времени настройки.
Для проверки работоспособности системы и эффективности ее применения, проведена настройка свободных параметров метода роя частиц, который широко применяется для решения задач параметрической и структурной оптимизации, машинного обучения. Исследованы результаты испытаний системы автоматизированной настройки и сформулированы выводы.
Процесс оптимизации параметров инженерных изделий требует огромных вычислительных затрат. Высокие темпы развития технологий подразумевают разработку и использование СЭА-систем, включающих современные и сложные методы оптимизации.
Большинство методов оптимизации имеют свободные параметры, которые определяют их эффективность. Разработчики метода оптимизации предоставляют рекомендуемые значения свободных параметров из расчета на его стабильное поведение при решении максимально широкого спектра оптимизационных задач. Но эти значения не универсальны и, вообще говоря, значения параметров должны подбираться с учетом свойств решаемых оптимизационных задач, что требует понимания процесса оптимизации со стороны пользователя. Эффективность решения оптимизационной задачи во многом зависит от правильной выбора значений параметров используемого метода.
Автоматизация процесса настройки параметров позволит инженерам использовать весь потенциал современных методов оптимизации без помощи специалистов в области математики. Задача поиска оптимальных значений свободных параметров алгоритмов оптимизации называется задачей мета-оптимизации.
В данной работе исследованы основные подходы к решению задачи мета-оптимизации. Сделан обзор имеющихся работ в данной области, проанализированы преимущества и недостатки различных методов мета-оптимизации.
Предложен метод перманентной настройки параметров и разработана программная система для автоматизированной настройки параметров алгоритмов оптимизации.
Цель работы - скомбинировать лучшие качества существующих методов мета-оптимизации для получения универсальной программной системы автоматизированной настройки параметров. Система предназначена для накопления и использования информации о работе настраиваемого алгоритма с целью повышения эффективности его применения.
Преследовалась идея создания гибкого и легкого в использовании программного решения. Внедрение разработанной системы не потребует модификаций используемого алгоритма оптимизации и специальных знаний в области мета-оптимизации, что позволит увеличить эффективность решения оптимизационных задач.
В результате проведенной работы реализована система автоматизированной настройки параметров, содержащая различные методы мета-оптимизации. Описана структура базы данных для хранения информации о процессе настройки и методы взаимодействия с ней. Предложен способ повторного использования имеющейся информации для уменьшения времени настройки.
Для проверки работоспособности системы и эффективности ее применения, проведена настройка свободных параметров метода роя частиц, который широко применяется для решения задач параметрической и структурной оптимизации, машинного обучения. Исследованы результаты испытаний системы автоматизированной настройки и сформулированы выводы.
1) Обоснована актуальность выбранного направления, включающего исследование различных способов повышения эффективности используемых алгоритмов оптимизации.
2) В результате анализа имеющихся подходов к мета-оптимизации выбрана перманентная настройка параметров, предполагающая отыскание оптимальных стратегий базового алгоритма для решения класса задач.
3) Проведен обзор существующих методов поиска оптимальных стратегий, рассмотрены преимущества и недостатки каждого из них.
4) Предложен метод перманентной настройки параметров с использованием мета-модели, позволяющий помимо нахождения оптимальной стратегии для решения задач определенного класса получить общее представление о пространстве стратегий настраиваемого алгоритма.
5) Рассмотрены основные этапы процесса настройки, описана схема использования предложенного метода перманентной настройки для поиска оптимальных стратегий базового алгоритма при решении различных классов оптимизационных задач.
6) Обоснован выбор используемых для настройки методов поиска оптимальных стратегий и метода построения мета-модели.
7) Для демонстрации эффективности предложенного метода перманентной настройки и проведения вычислительного эксперимента разработана система автоматизированной настройки параметров.
8) Рассмотрены возможные способы организации процесса настройки параметров для различных категорий пользователей разработанной системы.
9) Описаны принципы работы и правила использования системы автоматизированной настройки, спроектирована база данных для хранения информации о процессе настройки базового алгоритма.
10) Разработан программный и графический интерфейс пользователя, реализующий доступные функции системы автоматизированной настройки параметров.
11) В рамках вычислительного эксперимента предложено в качестве примера базового алгоритма использовать метод роя частиц, имеющий четыре свободных параметра.
12) Для исследования выбраны тестовые функции, из числа которых сформированы классы пользовательских задач с целью изучения влияния состава класса на оптимальность найденных стратегий.
13) Представлены и проанализированы результаты проведенного
исследования, демонстрирующие целесообразность применения предложенного метода перманентной настройки для повышения эффективности используемых алгоритмов оптимизации.
14) Получены графики, показывающее постепенное уменьшение значения показателя эффективности настроенных параметров. В среднем через 50 итераций настройки показатели эффективности назначаемых системой стратегий оказывались лучше, чем у рекомендуемых параметров. После стагнации поиска в пространстве стратегий наблюдалось в среднем до 30% прироста эффективности.
15) Произведен расчет стоимости разработки и внедрения предложенного программного решения для распространения в составе пакетов для анализа проектных решений. Спроектирована система освещения рабочего помещения команды разработчиков.
16) В Приложении Bпредставлены разработанные графические листы.
2) В результате анализа имеющихся подходов к мета-оптимизации выбрана перманентная настройка параметров, предполагающая отыскание оптимальных стратегий базового алгоритма для решения класса задач.
3) Проведен обзор существующих методов поиска оптимальных стратегий, рассмотрены преимущества и недостатки каждого из них.
4) Предложен метод перманентной настройки параметров с использованием мета-модели, позволяющий помимо нахождения оптимальной стратегии для решения задач определенного класса получить общее представление о пространстве стратегий настраиваемого алгоритма.
5) Рассмотрены основные этапы процесса настройки, описана схема использования предложенного метода перманентной настройки для поиска оптимальных стратегий базового алгоритма при решении различных классов оптимизационных задач.
6) Обоснован выбор используемых для настройки методов поиска оптимальных стратегий и метода построения мета-модели.
7) Для демонстрации эффективности предложенного метода перманентной настройки и проведения вычислительного эксперимента разработана система автоматизированной настройки параметров.
8) Рассмотрены возможные способы организации процесса настройки параметров для различных категорий пользователей разработанной системы.
9) Описаны принципы работы и правила использования системы автоматизированной настройки, спроектирована база данных для хранения информации о процессе настройки базового алгоритма.
10) Разработан программный и графический интерфейс пользователя, реализующий доступные функции системы автоматизированной настройки параметров.
11) В рамках вычислительного эксперимента предложено в качестве примера базового алгоритма использовать метод роя частиц, имеющий четыре свободных параметра.
12) Для исследования выбраны тестовые функции, из числа которых сформированы классы пользовательских задач с целью изучения влияния состава класса на оптимальность найденных стратегий.
13) Представлены и проанализированы результаты проведенного
исследования, демонстрирующие целесообразность применения предложенного метода перманентной настройки для повышения эффективности используемых алгоритмов оптимизации.
14) Получены графики, показывающее постепенное уменьшение значения показателя эффективности настроенных параметров. В среднем через 50 итераций настройки показатели эффективности назначаемых системой стратегий оказывались лучше, чем у рекомендуемых параметров. После стагнации поиска в пространстве стратегий наблюдалось в среднем до 30% прироста эффективности.
15) Произведен расчет стоимости разработки и внедрения предложенного программного решения для распространения в составе пакетов для анализа проектных решений. Спроектирована система освещения рабочего помещения команды разработчиков.
16) В Приложении Bпредставлены разработанные графические листы.