|
316 левых условий функционирования, когда диапазон возможных изменений случайной величины достаточно мал. Критерием для его использования может служить определенное значение коэффициента вариации случайной величины равного Rd=ad/ М [С]100%, где a d среднеквадратическое отклонение случайного фактора; М [С]его математическое ожидание. Если коэффициент вариации менее 15-20%, то применение этого метода не приводит к большим погрешностям вычислений. Способ усреднения по результату более сложен и используется в тех случаях, когда разброс случайных факторов велик. Суть данного способа состоит в замене целевой функции 3j ({b,},{Ck}) на ее математическое ожидание: Mj(3j({bj},a,{Ck})) = IJ...l3j({bj},{Ck})-P(b1,...bn)aC1...oCk, где Р (bi,...bn) -многомерный закон распределения случайной величины b ={bj}. В связи с тем, что результат, полученный по каждой одной реализации случайной величины d, не может охарактеризовать воспроизводимый процесс в целом, необходимо проводить и анализировать большое число таких реализаций. При этом можно получить практически любую точность решения задачи. Для сокращения объема вычислений, проводимых по способу усреднения результатов, поступают следующим образом. На первом этапе оптимизации используется способ искусственного сведения к детерминированной схеме; на втором способ усреднения по результату, где начальным (опорным) для проведения оптимизации является оптимальное решение предыдущего шага. После сведения стохастической задачи к детерминированному ее эквиваленту применяются обычные методы многопараметрической оптимизации аналитического или поискового типа. Выбор конкретного из этих методов связан с видом критерии оптимальности. |
гда диапазон возможных изменений случайной величины достаточно мал. Критерием для его использования может служить определенное значение коэффициента вариации случайной величины, равного Rd=Gd/M [С ]* 100%, где ad средиеквадратическое отклонение случайного фактора; М [С] его математическое ожидание. Если коэффициент вариации менее 15-20%, то применение этого метода не приводит к большим погрешностям вычислений. Способ усреднения по результату более сложен и используется в тех случаях, когда разброс случайных факторов велик. Суть способа состоит в замене целевой функции 3j({bj},{Ck}) на ее математическое ожидание: Mj ( 3 j ({bj},a,{Ck})) = JL j3 j({ b j} ,{ C k})-P (bb...bn)a C 1...3Ck, где Р (b,...b„) многомерный закон распределения случайной величины b ~{bj}. В связи с тем, что результат, полученный по каждой одной реализации случайной величины Ь, не может охарактеризовать воспроизводимый процесс в целом, необходимо проводить и анализировать большое число таких реализаций. При этом можно получить практически любую точность решения задачи. Для сокращения объема вычислений, проводимых по способу усреднения результатов, поступают следующим образом. На нервом этапе оптимизации используется способ искусственного сведения к детерминированной схеме, а на втором способ усреднения по результату, где начальным (опорным) для проведения оптимизации является оптимальное решение предыдущего шага. После сведения стохастической задачи к детерминированному ее эквиваленту применяются обычные методы многопараметрической оптимизации аналитического или поискового типа. Выбор конкретного из этих методов связан с видом критерия оптимальности. Возникновение задачи оптимизации при наличии неопределенных факторов связано с естественными противоречиями, возникающими между заказчиком и строительным предприятием, например, при определении договорных 186 |