intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE

quy hoạch phát triển hệ thống điện, chương 5

Chia sẻ: Nguyen Van Dau | Ngày: | Loại File: PDF | Số trang:6

379
lượt xem
116
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài toán qui hoạch tổng quát thường là bài toán qui hoạch phi tuyến. Chỉ cần một trong các hàm { f(X) → min (max) } hoặc { gi(X) (≤,=,≥) bi (i = 1,2,…,m) } là các hàm phi tuyến thì bài toán qui hoạch tổng quát sẽ là bài toán qui hoạch phi tuyến. Để giải bài toán qui hoạch phi tuyến người ta thường áp dụng một trong các phương pháp là: tuyến tính hóa, đưa về bài toán qui hoạch phi tuyến không ràng buộc, giải trực tiếp, qui hoạch động v.v… Phương pháp tuyến tính hoá...

Chủ đề:
Lưu

Nội dung Text: quy hoạch phát triển hệ thống điện, chương 5

  1. Chương 5: Phương pháp qui hoạch xấp xỉ giải qui hoạch phi tuyến Bài toán qui hoạch tổng quát thường là bài toán qui hoạch phi tuyến. Chỉ cần một trong các hàm { f(X) → min (max) } hoặc { gi(X) (≤,=,≥) bi (i = 1,2,…,m) } là các hàm phi tuyến thì bài toán qui hoạch tổng quát sẽ là bài toán qui hoạch phi tuyến. Để giải bài toán qui hoạch phi tuyến người ta thường áp dụng một trong các phương pháp là: tuyến tính hóa, đưa về bài toán qui hoạch phi tuyến không ràng buộc, giải trực tiếp, qui hoạch động v.v… Phương pháp tuyến tính hoá ( qui hoạch xấp xỉ ) Xác định tập giá trị các biến: X = {x1, x2,… xn} Sao cho hàm f(xj) → max (min) j = 1,2,…,n Đồng thời thỏa mãn các điều kiện: hi(X) = 0 (i = 1,2,…,m1) gi(X) ≥ 0 (i = 1,2,…,m2) trong đó, trong trường hợp tổng quát, các hàm f(x), hi(x), gi(x) đều là hàm phi tuyến. x j  X  R n. Ta khai triển các hàm trên theo chuỗi Taylor và chỉ lấy đến hàm bậc nhất. Như vậy, ở bước lặp thứ k ta có:  f ( X )  f ( X ( k ) )   f '( X ( k ) )( x i  xi ( k ) )  min   hi ( X )  hi ( X )   h 'xi ( X )( xi  xi )  0 (1) (k ) (k ) (k )   gi ( X )  gi ( X )   g ' xi ( X )( xi  xi )  0 (k ) (k ) (k )  trong đó xi(k) là giá trị xi tại bước lặp thứ k. Còn X(k) là vectơ X tại bước lặp thứ k. Như vậy ta đã đưa bài toán qui hoạch phi tuyến thành bài toán qui hoạch tuyến tính. Giải hệ phương trình (1) bằng phương pháp lặp như sau:
  2. Bước 1: + Chọn tập nghiệm ban đầu X(0). + Tính các giá trị f(X(0)), hi(X(0)), gi(X(0)). + Lấy các đạo hàm f’(X), hi’(X), gi’(X) và tính giá trị của chúng theo X(0): f’(X(0)), hi’(X(0)), gi’(X(0)). + Lập bài toán qui hoạch tuyến tính (1). Bước 2: + Giải bài toán qui hoạch tuyến tính (1) được X(1). + Chọn vectơ δ tùy ý + so sánh giữa các thành phần thứ i của hai vectơ (X(0)) và (X(1)). - nếu xi(1) > xi(0) thì xác định được xi(1) = xi(0) + δ(1). - nếu xi(1) < xi(0) thì xác định được xi(1) = xi(0) - δ(1). Trong đó δ(1) là độ dài bước lặp thứ 1 (0 < δ(1) < 1) Ở những bước lặp khác ta có: δ(k+1) = μ δ(k) (0 < μ < 1) Điều kiện tối ưu là khi nào δ ≤ ε thì coi như bài toán hội tụ theo tiêu chuẩn đã đề ra. (lý thuyết thế này là đủ nhưng có thể tham khảo thêm ví dụ trang 112 sách Quy Hoạch Phát Triển HTĐ của thầy Tráng)
  3. Sơ đồ khối: Vào f(X), h(X), g(X) Chọn X(0), δ(1) và μ Tính f(X(k)), hi(X(k)), gi(X(k)) f’(X(k)), hi’(X(k)), gi’(X(k)) Lập ptr (1) Giải (1) để tìm X(k+1) xi(k+1) > xi(k) xi(k+1) = xi(k) + δ(k+1) i = 1,2,…n xi(k+1) = xi(k) - δ(k+1) δ = μδ δ≤ε In gtrị của X; STOP Ưu điểm: - Thuật toán đơn giản, giải đơn giản (vì có chương trình mẫu) - Nói chung là hội tụ Nhược điểm: - Tốc độ tính toán chậm, không dùng cho hệ thống điện lớn
  4. Chương 6: Phương pháp Lagrange và định lý Kuhn – Tucker giải quy hoạch phi tuyến. 1, Bài toán Lagrange dạng chính tắc: Phương pháp Lagrange là phương pháp kinh điển giải bài toán quy hoạch phi tuyến khi có ràng buộc dạng đẳng thức và bất đẳng thức để xác định cực trị có điều kiện (cực trị vướng )của hàm có nhiều biến và khi hàm đó liên tục cùng đạo hàm riêng bậc nhất của nó. + Xét bài toán dạng chính tắc: Xác định X  {x 1 ,x 2 ,...,x n} sao cho: f(x 1 ,x 2 ,...,x n )  min với các ràng buộc : h i (X)  0  i  1,2,...,m  Áp dụng phương pháp đối ngẫu Lagrange: từ bài toán tối ưu đang xét (bài toán gốc) xây dựng một bài toán tối ưu khác (bài toán đối ngẫu) sao cho giữa các bài toán này có liên quan chặt chẽ (VD:từ nghiệm của bài toán này có thể suy ra nghiệm của bài toán kia). Cụ thể: Xác định X  {x 1 ,x 2 ,...,x n} sao cho: m L(x 1 ,x 2 ,...,x n ; 1, 1,...,  m )  f(x 1 ,x 2 ,...,x n )   1.h i (x 1 ,x 2 ,...,x n )  min i 1 Trong đó: L – hàm Lagrange.  - nhân tử Lagrange. Lấy đạo hàm riêng của L theo xj và  i rồi cho bằng 0 ta được hệ phương trình Lagrange: L f  X  m h i  X     i 0 x j x j i 1 x j  j  1,2,...,n  L  h i  x1 ,x1 ,...,x n   0  i  i  1,2,...,m   xác định hệ (1) Nếu ở điểm X  {x1 ,x 2 ,...,x n} hàm f{x1 ,x 2 ,...,x n} đạt cực trị thì tồn tại * * * * * * * vectơ   {1 ,  2 ,...,  m} sao cho điểm {x1 ,x 2 ,...,x n ;1 ,  2 ,...,  m} là lời * * * * * * * * * * giải của hệ trên. Hệ có (n+m) phương trình, giải ra được n ẩn xj và m ẩn  i .
  5. Để xác định cực đại hoặc cực tiểu phải khảo sát giá trị hàm bậc 2 của L(X) hoặc f(X). 1, Bài toán Lagrange dạng mở rộng: Là bài toán mà trong hệ ràng buộc có tồn tại cả các bất phương trình được giải theo phương pháp dựa trên định lý Kuhn- Tucker (định lý về điểm yên ngựa). Giả thiết cần xác định X  {x 1 ,x 2 ,...,x n} sao cho: f(x 1 ,x 2 ,...,x n )  min và thỏa mãn các ràng buộc h i (x 1 ,x 2 ,...,x n )  0;i  1,2,...,m1 g i (x 1 ,x 2 ,...,x n )  0;i  m1  1,...,m xj  0; j  1,2,...,n  xác định hệ (2) Chú ý: Trường hợp cần làm max hàm f(X) thì nhân f(X) với (-1) để thành (-f(X))min hoặc khi có gi (X)  0 thì nhân gi (X) với ( -1) để có ràng buộc gi (X)  0 Hàm Lagrange có dạng: m1 m L  X,    f(x 1 ,x 2 ,...,x n )    i .h i (x 1 ,x 2 ,...,x n )    i .gi (x 1 ,x 2 ,...,x n )  min i 1 i  m1 1 Vì gi (X) không đồng nhất bằng không nên không thể lấy đạo hàm hàm L  X,  và cho bằng không như trước đây. Giả thiết f(X) và gi (X) liên tục, khả vi và tạo thành tập hợp lồi thì ta có thể sử dụng định lý Kuhn-Tucker để giải bài toán này. Nội dung: Điểm L trên mặt cong L  X,  là min theo X và max theo 
  6. L  L( x ,  x x    m(x ,   * Định lý: Vectơ X chỉ là lời giải tối ưu của bài toán (2) khi tồn tại véctơ  sao cho: * L  X * ,    L  X * , *   L  X , *  Giá trị của điểm L  X* ,*  là điểm yên ngựa của hàm L  X,  .
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2