HYBRYDOWA METODA PRZEDZIAŁOWEJ I GRADIENTOWEJ OPTYMALIZACJI GLOBALNEJ KONSTRUKCJI INŻYNIERSKICH

Podobne dokumenty
Projekt 2 2. Wielomiany interpolujące

Zaawansowane metody numeryczne

FUNKCJE DWÓCH ZMIENNYCH

Matematyczny opis ryzyka

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta

Podprzestrzenie macierzowe

METODY KOMPUTEROWE 1

MODELOWANIE UKŁADÓW MECHANICZNYCH Z NIEPEWNYMI PARAMETRAMI

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

ZAGADNIENIE TRANSPORTOWE

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych

3. Wykład III: Warunki optymalności dla zadań bez ograniczeń

Wnioskowanie statystyczne dla korelacji i regresji.

PRZEDZIAŁOWE METODY ROZWIĄZYWANIA ALGEBRAICZNYCH RÓWNAŃ NIELINIOWYCH MECHANIKI KONSTRUKCJI

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

Planowanie eksperymentu pomiarowego I

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ

Modelowanie niezawodności i wydajności synchronicznej elastycznej linii produkcyjnej

m) (2.2) p) (2.3) r) (2.4)

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka

1. Relacja preferencji

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

Opracowanie wyników pomiarów

Indukcja matematyczna

OBLICZANIE GEOMETRYCZNYCH MOMENTÓW BEZWŁADNOŚCI FIGUR PŁASKICH, TWIERDZENIE STEINERA LABORATORIUM RACHUNKOWE

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

ZESTAW ZADAŃ Z INFORMATYKI

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

Funkcja wiarogodności

11/22/2014 STRATEGIE MIESZANE - MOTYWACJA. ROZWAśMY PRZYKŁAD:

ANALIZA INPUT - OUTPUT

Matematyka II. Wykład 11. Całka podwójna. Zamiana na całkę iterowaną. Obliczanie pól obszarów i objętości brył.

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3

Wymiarowanie przekrojów stalowych

Materiały do wykładu 7 ze Statystyki

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

Modelowanie i Analiza Danych Przestrzennych

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

Prawdopodobieństwo i statystyka r.

. Wtedy E V U jest równa

Linie regresji II-go rodzaju

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Prawdopodobieństwo i statystyka r.

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

JEDNOWYMIAROWA ZMIENNA LOSOWA

RACHUNEK NIEPEWNOŚCI POMIARU

Portfel złożony z wielu papierów wartościowych

REGRESJA LINIOWA. gdzie

Statystyka. Katarzyna Chudy Laskowska

Projekt 3 Analiza masowa

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; }

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

ma rozkład normalny z nieznaną wartością oczekiwaną m

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Analiza Matematyczna Ćwiczenia. J. de Lucas

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

Plan wykładu. Sztuczne sieci neuronowe. Sie Hopfielda. Sieci Hopfielda w praktyce. Wykład 9: Sieci rekurencyjne. Sieci rekurencyjne:

8.1 Zbieżność ciągu i szeregu funkcyjnego

MODELE OBIEKTÓW W 3-D3 część

Niepewności pomiarów. DR Andrzej Bąk

dr Michał Konopczyński Ekonomia matematyczna ćwiczenia

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

ZASTOSOWANIE METOD ANALIZY WRAŻLIWOŚCI DO MODELOWANIA KONSTRUKCJI Z PRZEDZIAŁOWYMI PARAMETRAMI. 1 Wprowadzenie

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH

termodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi

Podstawy opracowania wyników pomiarowych, analiza błędów

Projekt 10 Obciążenia kadłuba

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny

PRZEDZIAŁOWE METODY OPTYMALIZACJI KONSTRUKCJI

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

Współczynnik korelacji rangowej badanie zależności między preferencjami

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

ZMIENNE LOSOWE WIELOWYMIAROWE

ELEMENTY TEORII MOŻLIWOŚCI

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Matematyka dyskretna. 10. Funkcja Möbiusa

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7

MODEL SHARP A - MIARY WRAŻLIWOŚCI

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

08 Model planowania sieci dostaw 1Po_2Pr_KT+KM

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI

Natalia Nehrebecka. Dariusz Szymański

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

STATYSTYKA OPISOWA WYKŁAD 3,4

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

System finansowy gospodarki

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

Regresja REGRESJA

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

Transkrypt:

ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ Sera: BUDOWNICTWO z. Nr kol. Adrze POWNUK HYBRYDOWA METODA PRZEDZIAŁOWEJ I GRADIENTOWEJ OPTYMALIZACJI GLOBALNEJ KONSTRUKCJI INŻYNIERSKICH Streszczee. Przedzałowa metoda globale optmalzac est bardzo stabla oraz może zostać zastosowaa do rozwązwaa szeroke klas problemów żerskch. Metoda ta gwaratue, że wszstke globale mma zostaą zalezoe. Nestet algortm te posada bardzo wsoką złożoość oblczeową. W prac opsao hbrdową metodę wkorzstuącą oprócz algortmów przedzałowch algortm gradetowe. Zastosowae algortmu zostało przedstawoe a przkładze kostrukc kratowch. HYBRID INTERVAL AND GRADIENT METHOD FOR GLOBAL OPTIMIZATION OF ENGINEERING STRUCTURES Summar. A terval global optmzato method s ver stable ad robust ad uversall applcable. The terval algorthm guaratees that all statoar global solutos have bee foud. Ufortuatel applcato of ths algorthm s sometmes a ver tme cosumg task. I ths paper a hbrd gradet-terval global optmsato method s preseted. Ths method has the best features of both methods.e. fast local ad relable global covergece. I ths paper ths algorthm was appled to optmzato of truss structures. Wprowadzee Algortm optmalzac globale moża podzelć a dwe grup, do ede moża zalczć metod, które poszukuą globalego mmum tlko z pewm prawdopodobeństwem oraz metod, które gwaratuą zalezee globalego mmum z zadaą dokładoścą. Do perwsze grup moża zalczć różego rodzau algortm stochastcze. Naważeszą grupą metod, którą moża zalczć do metod drugego tpu są metod, w którch problem globale optmalzac zostae zastąpo cągem problemów optmalzac dskrete. Algortm oblczeń est astępuąc: ) przestrzeń poszukwań dzel sę a skończoą lość podprzestrze; ) w każde podprzestrze w przblżo sposób szacuem wartośc fukc celu; 3) elmue sę obszar, które a pewo e zaweraą globalego mmum;

A. Powuk Podstawową różcą pomędz algortmam te grup są sposob oszacowaa wartośc fukc dla poszczególch częśc przestrze poszukwań. Mmum fukc może zostać oszacowae prz pomoc artmetk przedzałowe [3] lub ch metod [6]. Nestet metod te posadaą bardzo wsoką złożoość oblczeową [3, 7]. Jedm z abardze efektwch metod lokale optmalzac są metod gradetowe (por. p. []). Zwkle do efektwe realzac tch algortmów stosue sę metod aalz wrażlwośc [4]. W esze prac skostruowao hbrdow algortm, któr aperw poszukue lokalego mmum prz pomoc metod gradetowch, a astępe sprawdza cz otrzmae mmum est globale prz pomoc metod przedzałowch. Gradetowa metoda lokale optmalzac Z matematczego puktu wdzea problem optmalzac moża sformułować astępuąco: m g p J () () () = for for =,...,m =,...,m eq () gdze J : R R est fukcą celu, est lczbą zmech proektowch, m est lczbą waruków erówoścowch, m eq est lczbą waruków rówoścowch. W aalzowach przkładach fukcoał J będze rów cężarow aalzowae kostrukc: J = e = Waruk erówoścowe będą określoe astępuąco: g g γ A L () () σ = σ (3) π EJ σ (4) L () = A gdze σ est aprężeem dopuszczalm, σ est aprężeem w -tm pręce, L est długoścą -tego pręta, E est modułem Youga, J est mometem bezwładośc est przekrou -tego pręta, γ est cężarem właścwm materału, z którego wkoaa est

Hbrdowa metoda... kratowca. Spełee waruków g zapewa kostrukc odpowedą stateczość, a spełee waruków g wstarczaącą wtrzmałość. Warukam rówoścowm, są rówaa rówowag o astępuące postac: () q Q() K = (5) gdze K est macerzą sztwośc, Q est wektorem sł przwęzłowch, est wektorem zmech proektowch. Do lokale optmalzac w esze prac została zastosowaa metoda aszbszego spadku (por. p. []). Kolee krok algortmu są astępuące: ) Wprowadzć dae początkowe =, ) Oblczć J ( ) oraz ( ) g. =. 3) Zdetfkować węz aktwe eaktwe. 4) Oblczć gradet fukc celu. 5) Określć ow keruek poszukwaa 6) Przeprowadzć poszukwae amesze wartośc fukc celu w keruku określee wartośc parametru. 7) Oblczć + = + d d d oraz 8) Jeśl waruk zbeżośc są spełoe, to zakończć oblczea, w przecwm przpadku prząć = + powrócć do puktu. Prz oblczau gradetu fukc celu szeroko stosowae są metod aalz wrażlwośc [4]. Prezetowa tuta algortm lokale optmalzac może bć zastąpo przez dowol algortm optmalzac lokale [6].Algortm przedzałowe optmalzac globale Nech fˆ [] + [ ( ), fˆ ([] ) ] = hull fˆ ([] ), [ ][, ] IR, f : R R, IR est zborem wszstkch domkętch przedzałów lczbowch oraz fˆ : IR IR est aturalm przedzałowm rozszerzeem fukc [5]. Algortm przedzałowe optmalzac globale opart est a astępuące własośc [3]. Jeśl zachodz astępuąca erówość: to ([ ]) fˆ ([ ]) + < fˆ (6)

" A. Powuk! "! (7) przedzał te może [ ] [ ] f () < f () czl globale mmum e może zadować sę w przedzale [ ] zostać pomęt w dalszch oblczeach. Nech będze da welowmarow przedzał [] IR. Podstawow algortm przedzałowe optmalzac globale składa sę z astępuącch kroków: ) Prząć [ ] = [] = fˆ ([] ). Zacować lstę L=(( [] ) Wbrać współrzędą k {,,...,} wzdłuż które dokouem podzału. 3) Podzelć przedzał [ ] wzdłuż k-te współrzęde [ ] = [ v ] [ v ]. 4) Oblczć fˆ ([ v ]), v = ([ ]) fˆ v dla =, oraz = m z, fˆ ([ v ]) +, fˆ ([ v] ) 5) Usuąć parę ([ ], ) z lst L. 6) Usuąć par ([ v ], v ) eśl v > z (=,). 7) Dodać pozostałe par ([ v ], ) do lst L. v,)) oraz oblczć z = fˆ ([] ) +. { } + z. 8) Jeśl lsta L est pusta ależ zatrzmać oblczea. 9) Ozaczć parę z ameszm elemetem v ako ([], ). ) Jeśl szerokość przedzału [] est mesza ż ε, druku fˆ [], [] oraz zatrzmać oblczea. ) Prześć do kroku. Poadto wprowadzoo wele dodatkowch procedur przspeszaącch zbeżość prezetowaego algortmu. Moża tu wmeć sprawdzae mootoczośc [3], test puktu środkowego [3], przedzałową metodę Newtoa [3] tp. Przedstawo algortm może zostać uogólo a przpadek optmalzac z ograczeam. ( ) 3 Optmalzaca układów z epewm parametram Założm teraz, że optmalzowaa kostrukca zawera pewe parametr epewe h. Do modelowaa epewośc parametrów zastosuę zbor rozmte oraz przedzał lczbowe. Ab ukąć eporozumeń zostaą wkorzstae astępuące ozaczea [] IR h ~ F R (zbór rozmt, F(R) ozacza rodzę h (welowmarowe przedzał), ( ) zborów rozmtch określoch a zborze R por. p. []), h R (elemet przestrze

Hbrdowa metoda... R ). Założę poadto, że epewośc parametrów będą odpowedo małe (por. [8]), oraz e posadam dostatecze lośc formac do określea losowch charakterstk. Nech ( ) h m ozacza rozwązae optmale dla pewego h [] h. Stosuąc R loraz różcowe moża oblczć: ( h ) m ( h,...,h + h,...,h ) m ( ) m h h h (8) Jeśl zam zak pochodch h m, to moża oblczć ekstremale wartośc rozwązaa a podstawe zaku pochode. Jeśl Jeśl gdze ( ) m h > ( ) ( ) m m...,h,... h ( ) m h < ( ) ( ) m m +...,h,... h m + m + =, ( ) (...,h,...) = (9) m + m =, ( ) (...,h,...) m m + m [( ),( ) ] = { () h : h [] h } = () () W aalogcz sposób moża oblczć ekstremale wartośc fukc celu. Jeśl epewe parametr będą lczbam rozmtm, to fukce przależośc optmalego rozwązaa otrzmuem stosuąc astępuąc algortm: m Ω = { () h : h h ~ } gdze h ~ = { h : µ ( h h ~ ) } () µ est fukcą przależośc (por. p. []). Fukcę przależośc gdze : R [,] rozwązaa optmalego otrzmuem a podstawe astępuącego wzoru []: m ( ~ ) sup{ : } µ Ω = (3) 4 Przkład umercz Rozważm teraz kostrukcę prętową przedstawoą a rsuku. W oblczeach przmę astępuące ozaczea L=H= [m], σ =9 [MPa], P =55 [kn], P =-5 [kn], kn [, ][m], γ = 76, 5 3 m. Wk oblczeń umerczch są przedstawoe w tabel.

P A. Powuk H P Rs.. Schemat statcz kratowc Fg.. Statc scheme of the truss structure Lokala optmalzaca Przedzałowa optmalzaca globala Tabela [m] A [ m ] A [ m ] [m] A [ m ] A [ m ].67 3.77.76 3 [.674,.6765] [3.776 3, 3.779 3 ] [.767 3,.767 3 ] Założm teraz, że parametr σ oraz P będą trapezowm lczbam rozmtm o fukcach przależośc dach w postac -przekroów w tabel. Tabela ~ [MPa] P ~ [kn] P ~ [kn] σ [89, 9] [5, 6] [-55, -495] [85, 95] [5, 3] [-55, -485] Pochode określoe wzorem (8) oblczoe został dla środków przedzałów (odpowedch -przekroów lczb rozmtch σ ~,P ~ P~, ) zestawoe został w tabel 3. -przekroe lczb rozmte reprezetuące rozwązae optmale został przedstawoe w tabel 4.

Hbrdowa metoda... sg σ sg P sg P -.5 - - Tabela 3 [m] [.56,.78].5 [.7,.8] [.6,.84] Tabela 4 Oblczea został wkoae prz wkorzstau autorskego programu apsaego w ęzku C++. Zastosowao programowae obektowe. 5 Wosk Dzęk zastosowau algortmu gradetowego w bardzo szbkm czase otrzmao rozwązae problemu lokale optmalzac. Algortm przedzałow pozwala sprawdzć cz otrzmae rozwązae est rozwązaem globalm. Zastosowae algortmu hbrdowego pozwala w bardzo zaczm stopu przspeszć oblczea wkowae algortmem przedzałowm. Prz pomoc przedstawoego algortmu moża optmalzować układ z przedzałowm rozmtm parametram. Modelowae przedzałowch epewośc oparto a testach mootoczośc (por. [8]). Praca została wkoaa w ramach gratu KBN r 8TF65 pt. Przedzałowe akoścowe metod modelowaa epewośc w układach fzczch.

LITERATURA A. Powuk. Buckle J.J.: O usg a-cuts to evaluate fuzz equatos, Fuzz Sets ad Sstems, Vol.38, 99, s.39-3.. Camero T.M. Thruavukarasu A.C., El-Saed M.E.M.: Optmzato of frame structure wth fleble ots. Structural ad Multdscplar Optmzato, Vol.9,, pp. 4-3. 3. Hase E.R.: Global optmzato usg terval methods. New York, Marcel Dekker, 99. 4. Kleber M.: Parameter Sestvt Nolear Mechacs, Theor ad Fte Elemet Computatos, Joh Wlle & Sos, New York 997. 5. Moore R.E.: Iterval Aalss, New Jerse, Pretce-Hall, 966. 6. Neumaer A.: http://solo.cma.uve.ac.at/~eum/glopt.html, 998. 7. Powuk A.: Przedzałowe metod optmalzac kostrukc. Proc. XLV Kofereca Komtetu Iżer Lądowe Wode PAN oraz Komtetu Nauk PZTB "Krca'99", Tom, Krca, 999, s.35-4. 8. Powuk A.: Zastosowae metod aalz wrażlwośc do modelowaa kostrukc z przedzałowm parametram. Proc. XLVI Kofereca Komtetu Iżer Lądowe Wode PAN oraz Komtetu Nauk PZTB "Krca'", Krca,, (referat przęt do druku w materałach koferecch). Abstract: The problem of optmal desg cossts fdg the optmum parameters accordg to a prescrbed optmalt crtero. Estg optmzato methods usuall are t relable or ca t use the odfferetable, ot cotuous obectve fuctos or costrats. A terval global optmzato method s: ver stable ad robust ad uversall applcable. The terval algorthm guaratees that all statoar global solutos have bee foud. Ufortuatel applcato of ths algorthm s sometmes a ver tme cosumg task. The best local optmzato methods are the gradet methods. I ths paper a hbrd gradet-terval global optmsato method s preseted. Ths method has the best features of both methods.e. fast local ad relable global covergece. I ths paper ths algorthm was appled to optmzato of truss structures. Eamples of optmzato of truss structures wth ucerta parameters was also preseted.