Читайте также: |
|
При построении по экспериментальным данным математических моделей исследуемых объектов, описываемых уравнением вида
y=bTf(x) (5.1)
где f(х) — заданные функции: f(x)={f0(x), f1(x),…,fd(x)}T; d — число параметров уравнения (5. 1); х = { х 1, х 2,…, хk } — вектор независимых управляемых переменных (факторов), обычно требуется составить программу проведения эксперимента, удовлетворяющую условиям выполнения некоторого критерия оптимальности. В планировании эксперимента широко используется критерий D-оптимальности, позволяющий охватить широкий круг экспериментальных задач: нелинейных, последовательного планирования, с произвольной областью варьирования независимых переменных, с неодинаковой точностью опытов при различных условиях проведения эксперимента.
Пусть задан точный план эксперимента
x={x(1), x(2),…,x(N)}T
где x(i)- i-я точка факторного пространства: x(i)=(x1(i), x2(i),…, xk(i)); N — число точек плана.
Матрица значений функций независимых переменных в точках плана имеет вид
.
Так как часть точек плана может повториться, то его можно представить в виде
,
где x(j) — точки, в которых сосредоточен план X, j = 1,r(спектр плана); hj — число повторных наблюдений в j -й точке плана, причем
Обозначим lj=hj/N — частота j -й точки плана. Тогда соответствующий ему план, заданный в виде
называется нормированным планом. Если частоты lj могут принимать любые значения в интервале [0,1] при условии ålj== 1, то план L называется непрерывным.
Например, если для двух переменных х1, х2 точный план
-1 -1
+1 -1
-1 +1
Х= -1 +1
0 0
0 0
то с учетом кратности последних точек соответствующий ему непрерывный план будет
x(1), x(2), x(3), x(4), x(5)
L=
1/6, 1/6, 1/6, 1/6, 2/6,
Критерий D-оптимальности требует такого выбора плана X *, содержащего N опытов, при котором определитель дисперсионной матрицы С (X) минимален т.е.
½ С (X*)½=min½ С (X)½=min½ (FTF)-1 ½ xÎWx
или, соответственно, максимален определитель информационной матрицы М(Х):
½M (X*)½=max½M (X)½=max½ FTF ½ xÎWx
где X* — оптимальный план в смысле критерия D-оптимальности; W х — область изменения параметров плана X.
План L * будет непрерывным D-оптимальным планом, если он минимизирует на множестве всех непрерывных планов в области Wxвеличину определителя дисперсионной матрицы или, соответственно, максимизирует определитель информационной матрицы М(Х).
Из теории планирования эксперимента известно, что в случае равноточных наблюдений процедура построения непрерывного D-оптимального плана сводится к выполнению рекуррентных операций, определяемых уравнениями
M(t+1)=M(t)+f(x*)fT(x*) (5.2)
fT(x*)C(t)f(x*)=max fT(x*)C(t)f(x*) (5.3)
где C(t)M(t) — дисперсионная и информационная матрицы соответственно на t -м шаге.
Для упрощения вычислений целесообразно разделить процедуры получения координат точек (спектра) D-оптимального плана и определения частот повторения. Выявление точек, в которых концентрируется D-оптимальный план, можно осуществить за сравнительно небольшое количество циклов по рекуррентным соотношениям (5.2), (5,3), тогда как точное определение частот в каждой точке требует большего числа циклов. Такое разбиение процедуры получения D-оптимальных планов обусловлено тем, что при определении частоты повторения наблюдений нет необходимости искать глобальный максимума f(x)t C(t)f(x} по всему пространству, так как заранее известно, что он будет иметь место в одной из точек, найденных на первом этапе.
Для получения спектра непрерывного D-оптимального плана следует провести следующие операции:
а) выбрать произвольный начальный невырожденный план для числа наблюдений Nо (r <=Nо:
x(1), x(2),…, x(r)
L(0)=
l1, l2, …, lr
и определить информационную матрицу
M(0)=ålif(x(i))fT(xi)
б) по уравнению (5.3) определить точку х *, в которой квадратичная форма fт(x)С(0)f(х) имеет глобальный максимум на множестве W х. Поиск глобального максимума может быть основан на многократном применении локального поиска из разных точек пространства W х и последующем выборе максимального из всех значений локальных максимумов. Поиск локальных максимумов следует начинать с точек начального плана. Для обнаружения возможных максимумов, не предусмотренных начальным планом, локальный поиск следует осуществлять также из ряда случайных точек, координаты которых можно получить с помощью генератора случайных чисел, равномерно распределенных на области W х;
в) после определения точки глобального максимума х * скорректировать матрицу L(0) по уравнению (5.2), т.е. получить план
x(1) , x(2), …, x(r), x*
L(1)=
(l-a0)l1, (l-a0)l2, …, (l-a0)lr, a0
Операции «б», «в» повторить с заменой плана L(0) на L(1) и т.д. до выполнения останова в соответствии с выбранным правилом.
Практика показывает, что обычно можно производить останов по процедуре (5.2), (5.3), когда число циклов будет в два-три раза больше максимального числа точек, в которых концентрируется D-оптимальный план. В общем случае количество вычислений зависит от выбранных начальных приближений и будет тем меньше, чем ближе М(О) к информационной матрице D-оптимального плана.
Для определения частоты повторения наблюдений в каждой точке необходимо:
а) выбрать начальный план L(0), включающий по одному разу все точки, которые были определены на первом этапе:
x(1), x(2),…, x(r)
L(0)=
1/No, 1/No, 1/No
где No —число наблюдений (в начальном плане N 0 = r ); r — число точек спектра D-оптимального плана;
б) на основании соотношения (5.3) определить точку x(i)* спектра плана, в которой квадратичная форма fт(х(i)*)C(0)f(x(i)*) (i=1, r) больше, чем в остальных точках спектра. В том случае, когда получаются одинаковые наибольшие значения в нескольких точках спектра оптимального плана, выбирается любая из них;
в) скорректировать информационную матрицу М по уравнению (5.2), в результате чего получается план
где а0 = 1 / N и k — номер точки спектра, в которой добавляется еще одно наблюдение к плану L (0);
— операции «б»и«в» повторить с заменой плана L(0) на L(1) и числа наблюдений N 0 на N 1.
Другой подход к определению частот связан с подсчетом числа попаданий глобального максимума квадратичной формы fт(х(i)*)C(0)f(x(i)*) (i=1, r) в каждую точку спектра х(i) D- оптимального плана:
li = (mi+l)/(N0 +S),
где т i — число попаданий в точку х(i)* спектра плана; S — число циклов на этапе определения частот.
Из процедуры построения непрерывных D-оптимальных планов видно, что вычислительные затраты на каждом шаге планирования складываются главным образом из времени, необходимого для поиска глобального максимума квадратичной формы, и времени обращения скорректированной информационной матрицы.
Дисперсионная матрица С (t + 1) на (t + 1)-м шаге рекуррентной процедуры может быть получена на основании известной после t-го этапа информационной матрицы по формуле
C(t+1)=[M(t)+f(x)fT(x)]-1
где х — точка, добавляемая в план L(t).
Для упрощения вычислений можно воспользоваться известной формулой обращения матриц
(5.4)
где А — квадратичная матрица размерности п х п; U — вектор-столбец размерности п. С учетом того что добавление точки в исходный план происходит c некоторым весом а, выражение (5.4) приводит к следующей формуле для определения элементов обратной матрицы С (t + 1) по известной матрице С(t):
Обозначим через Q (х, L) функцию Q(x, L)=fT(x)C(L(t))f(x). Из теории планирования эксперимента известно, что непрерывный план L тогда и только тогда оптимален, когда
max Q(x, L) = k+1,
x Î Wx
где (k+ 1) — число оцениваемых параметров.
Это положение можно использовать для оценки относительного отличия получаемого плана L от D-оптимального с помощью формулы
С другой стороны, этой формулой можно воспользоваться для останова процедуры построения D-оптимального плана при достижении некоторого наперед заданного, достаточно малого положительного значения d.
Полученный непрерывный план может быть использован для построения точного D-оптимального плана при заданном числе опытов N. Решение данной задачи зависит от соотношений числа опытов в точном плане N и числа точек непрерывного плана r, а также от соотношений максимальной lmах и минимальной lmin частот точек непрерывного плана. При этом возможны следующие ситуации:
а) N = т r, l mах = l min и т — целое число. Так как l mах = l min, то
l1=l2=…=lr=1/r
Точный план, определяемый при этих условиях с помощью непрерывного D-оптимального плана, является D-оптимальным планом. Количество наблюдений в точке х(i) этого плана
hi=nli=N1/r=mr1/r=m
б) r <<N. В этом случае можно ожидать, что с помощью непрерывного плана получится точный план, достаточно близкий к D-оптимальному. Число наблюдений hi в точке х(i) определяется округлением произведения N1i до ближайшего целого числа;
в) k + 1 <= N <r. В этом случае трудно получить однозначное решение.
Варианты задания приведены в табл.5.1.
Таблица 5.1
Номер бригады | Вид математической модели объекта |
y=bo+b1x1+b2x12 | |
y=bo+b1x1+b2x2 | |
y=bo+b1x1+ b2x2+b12x1x2 | |
y=bo+b1x1+ b2x2+b11x12 | |
y=bo+b1x1+ b2x2+ b12x1x2+b11x12 | |
y=bo+b1x1+ b2x2+ b12x1x2+b11x12+b22x22 | |
y=bo+b11x12+b22x22 |
Построить D-оптимальные планы для расположения точек, представленного на рис.5.1.
Содержание отчета
Отчет должен содержать:
—задание;
— блок-схему процедуры вычисления непрерывного D-оптимального
плана; ооауг
— программу для вычисления D-оптимального плана на JBM;
— полученный непрерывный и точный D-оптимальные планы;
— выводы по работе.
Контрольные вопросы
1. Какой план называется D-оптимальным?
2 Чем отличается непрерывный план от точного?
3. Чем вызвано разбиение процедуры построения D-оптимального
плана на два этапа?
4. Как определяется глобальный максимум квадратичной формы fT(x)Cf(x)?
5. Исходя из каких условий выполняется останов вычислительных процедур каждого этапа построения D-оптимального плана?
6. Каким образом проверяется близость полученного плана к D-оптимальному?
7. Как получить на основе непрерывного точный D-оптимальный план?
Приложение 1
ЗНАЧЕНИЯ F-РАСПРЕДЕЛЕНИЯ ПРИ УРОВНЕ ЗНАЧИМОСТИ а = 0,05
Дата добавления: 2015-01-07; просмотров: 18 | Поможем написать вашу работу | Нарушение авторских прав |