Назначение и возможности инструментальной среды AnyLogic введение имитационное моделирование
жүктеу/скачать 1,01 Mb.
|
Эни-Лоджик
| Оптимизационный эксперимент. Используется для решения задач количественного анализа (расчет показателей эффективности системы). Поиск тех значений факторов, которые определяют наиболее предпочтительный вари- ант решения, называется обратной задачей ИМ. Обратные задачи моделирова- ния отвечают на вопрос о том, какое решение из области допустимых решений обращает в максимум показатель эффективности системы. Для решения обрат- ной задачи многократно решается прямая задача. В случае, когда число возможных вариантов решения невелико, решение обратной задачи сводится к простому перебору всех возможных решений. Сравнивая их между собой, можно найти оптимальное решение.
Если перебрать все варианты решений невозможно, то используются ме- тоды направленного перебора с применением эвристик. При этом оптимальное или близкое к оптимальному решение находится после многократного выпол- нения последовательных шагов (решений прямой задачи и нахождения для каждого набора входных параметров модели вектора результирующих показа- телей). Правильно подобранная эвристика приближает эксперимент к опти- мальному решению на каждом шаге. В качестве блока регистрации значений выходных показателей и выбора очередного приближения при оптимизации (рис. 4) пользователь может исполь- зовать любой внешний оптимизатор или же оптимизатор OptQuest, встроенный в AnyLogic. Оптимизатор OptQuest разработан недавно на основе метаэвристик рассеянного поиска (scatter search) и поиска «табу» (tabu search). Этот оптими- затор является лучшим из предлагаемых на рынке профессиональных пакетов оптимизации для решения сложных проблем оптимизации. Условие прекращения эксперимента выполнено Рис. 4 Оптимизатор OptQuest запускается прямо из среды разработки модели. Чтобы настроить оптимизацию в AnyLogic необходимо выполнить следующее: 1) создать в разработанной модели оптимизационный эксперимент; 2) задать оптимизационные параметры и области их изменения; 3) задать условие остановки модели после каждого прогона. Это может быть либо остановка по времени выполнения прогона, либо остановка по условиям, накладываемым на переменные модели; 4) задать целевую функцию, т.е. исследуемую реакцию системы; 5) задать ограничения, которые в конце каждого прогона определяют, до- пустимо ли значение вектора исходных входных факторов. Ограниче- ния можно не задавать (т.е. это опционально); 6) задать условия прекращения эксперимента. После запуска модели оптимизационный эксперимент найдет наилучшие значения входных параметров, при которых заданная целевая функция обра- тится в минимум или максимум. жүктеу/скачать 1,01 Mb. Достарыңызбен бөлісу:
|