д-р техн. наук, профессор, заведующий кафедрой авиационных приборов и измерений, Национальный аэрокосмический университет им. Н. Е. Жуковского «ХАИ», Харьков, Украина. Костенко Е. М. -д-р техн. наук, доцент, доцент кафедры технологий и оборудования перерабатывающих и пищевых производств, Полтавская государственная аграрная академия, Полтава, Украина. Павлик А. В. -канд. техн. наук, доцент, доцент кафедры авиационных приборов и измерений, Национальный аэрокосмический университет им. Н. Е. Жуковского «ХАИ», Харьков, Украина. Кошевая И. И. -аспирант кафедры авиационных приборов и измерений, Национальный аэрокосмический университет им. Н. Е. Жуковского «ХАИ», Харьков, Украина. Рожнова Т. Г. -канд. техн. наук, ст. преподаватель кафедры автоматизации проектирования вычислительной техники, Харьковский национальный университет радиоэлектроники, Харьков, Украина. АННОТАЦИЯ Актуальность. Решена актуальная задача сокращения множества планов многофакторных экспериментов при поиске оптимального по стоимостным затратам.Цель работы -синтез и исследование множества планов эксперимента с минимальным числом переходов уровней факторов.Метод. Применение методов планирования эксперимента позволяет сократить стоимостные и временные затраты при исследовании различных технологических процессов, приборов и систем.Минимизация количества переходов уровней факторов в плане эксперимента, в свою очередь, приводит к уменьшению стоимости (времени) его реализации. Одним из методов уменьшения количества переходов уровней факторов является применение кода Грея при построении плана эксперимента.Показано, что планы многофакторних экспериментов, построенные с использованием кода Грея, имеют минимальное количество переходов уровней факторов, но не всегда оптимальны по стоимости (времени) реализации эксперимента.Для синтеза множества планов эксперимента с минимальным числом переходов уровней факторов при поиске оптимального плана по стоимостным (временным) затратам предложен метод, в основе которого лежит генерация вариантов двоичных кодов, анализ их характеристик и выбор последовательностей, отвечающих заданным требованиям. Формирование типовых планов эксперимента осуществляется по методу, в основе которого лежит генерация вариантов построения планов, определение классов эквивалентности относительно заданной группы Р преобразований и формирование множества типовых представителей для выделенных классов эквивалентности.Результаты. Разработано программное обеспечение, реализующее предложенные методы, которое использовано при построении множества планов экспериментов для количества факторов k=3 с минимальным числом переходов уровней.Выводы. Проведенные эксперименты подтвердили работоспособность предложенных методов и реализующего их программного обеспечения, которое позволяет сократить множество планов эксперимента для поиска оптимального. Научную новизну работы представляют методы, которые позволяют синтезировать множество планов многофакторных экспериментов, сокращающих поиск оптимальных по стоимостным (временным) затратам планов. Практическая значимост...
ПРИМЕНЕНИЕ АЛГОРИТМА ОПТИМИЗАЦИИ РОЕМ ЧАСТИЦ ДЛЯ МИНИМИЗАЦИИ СТОИМОСТИ ПРОВЕДЕНИЯ МНОГОФАКТОРНОГО ЭКСПЕРИМЕНТААктуальность. Решена актуальная задача получения последовательности опытов при проведении полного факторного экспери-мента, обеспечивающей его минимальную стоимость.Цель работы -создание метода для оптимизации многофакторных планов эксперимента с помощью алгоритма оптимизации роем частиц.Метод. Предложен метод построения оптимальной матрицы планирования эксперимента по стоимости реализации с использова-нием алгоритма роя частиц. Метод роя частиц базируется на моделировании поведения популяции частиц в пространстве параметров задачи оптимизации. Вначале вводится количество факторов и стоимость перехода для каждого уровня факторов. Затем с учетом введенных данных формируется сводная матрица планирования эксперимента. Частицы разбросаны случайным образом по всей сводной матрице планирования эксперимента, и каждая частица имеет случайный вектор скорости. После этого частицы начинают перемещаться по строкам и столбцам матрицы. В каждой точке, где побывала частица, рассчитывается значение стоимости проведения эксперимента. При этом каждая частица запоминает, какое (и где) лучшее значение стоимости эксперимента она лично нашла и где расположена точка, являющаяся лучшей среди всех точек, которые разведали частицы. На каждой итерации частицы корректируют свою скорость (модуль и направление), чтобы с одной стороны быть поближе к лучшей точке, которую она нашла сама и, в то же время, приблизиться к точке, которая в данный момент является глобально лучшей. Через некоторое количество итераций частицы собираются вблизи наиболее хорошей точки. Затем корректируется текущая координата каждой частицы. После этого рассчитывается значение стоимости проведения эксперимента в каждой новой точке, каждая частица проверяет, не стала ли новая координата лучшей среди всех точек, где она побывала. Затем среди всех новых точек осуществляется проверка, не нашли ли мы новую глобально лучшую точку, и, если нашли, запоминаем ее координаты и значение стоимости проведения эксперимента в ней. Затем рассчитывается выигрыш по сравнению с исходной стоимостью проведения эксперимента.Результаты. Разработано программное обеспечение, реализующее предложенный метод, которое использовано при проведении вычислительных экспериментов по исследованию свойств метода.Выводы. Проведенные эксперименты подтвердили работоспособность предложенного метода и реализующего его программного обеспечения, а также позволяют рекомендовать их для применения на практике при построении оптимальных матриц планирования экспериментов.Ключевые слова: метод, оптимизация, рой частиц, планирование эксперимента, стоимость, оптимальный план. НОМЕНКЛАТУРАDiv -разнообразие роя частиц; g -глобальное решение алгоритма роя частиц; k -количество факторов объекта, введенных в иссле-дование; l -количество итераций; t -время работы программы, с; В -выигрыш; С min -минимальная стоимость проведения экспери-мента, усл.ед.;С исх -исходная стоимость проведения эксперимента, усл.ед.; P i -локал...
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.