Upload
others
View
35
Download
0
Embed Size (px)
Citation preview
Optimizasyon Teknikleri
Nedim TUTKUN
Düzce Üniversitesi
Elektrik-Elektronik Mühendisliği Bölümü
Düzce-Türkiye
Optimizasyon nedir?
● “İşleri daha iyi yapmak”
● “Daha fazla kâr elde etmek”
● “En iyisini belirlemek”
● “Az şeyle çok iş yapmak”
● Optimizasyon, bütün kısıtları sağlayacak şekilde amaç
fonksiyonunu en büyük veya en küçük yapan tasarım
değişkenlerini bulmak olarak tanımlanabilir.
Optimizasyon nedir?
● En genel anlamda optimizasyon mümkün olan en
elverişli çözümü bulma sürecidir.
● Mühendisler verilen işi en düşük maliyetle en etkin
bir şekilde yapan cihazları ve ürünleri tasarlamak
durumundadır.
● Bu nedenle mühendisler her zaman performans ve
sınırları dengede tutan optimizasyon problemleri
ile karşılaşırlar.
Optimizasyon nedir?
Matematiksel bir perspektiften bakıldığında,
optimizasyon, bir veya birden fazla değişkene bağlı
bir fonksiyonun maksimum ve minimum değerlerini
bulmakla ilgilenir. Burada amaç verilen fonksiyon
için maksimum ve minimumları veren değişken
değerlerinin bulunmasıdır. Bulunan optimal değerler
ile fonksiyonun alabileceği en büyük ve en küçük
değerler hesaplanır.
Tarihsel Süreç
● Newton, Leibniz, Bernoulli, De l’Hospital (1697)
● Lagrange (1750): kısıtlı optimizasyon
● Cauchy (1847): en dik azalış
● Dantzig (1947): Simplex yöntemi (Lineer Programlama (LP))
● Kuhn, Tucker (1951): optimallik koşulları
● Karmakar (1984): dahili nokta yöntemi (LP)
● Bendsoe, Kikuchi (1988): topoloji optimizasyonu
Tarihsel sürece bakıldığında bir çok bilim insanı optimizasyon ile ilgili çalışmalar yapmıştır. Bunlardan bazı aşağıdaki gibidir.
Neler Yapılabilir?
● Optimizasyon teknikleri şunlar için kullanılabilir:
– Çalışan bir tasarım veya sistemin yapılması
– En iyi performansa ulaşma
– Tasarımı veya sistemi güvenilir ve sağlam yapmak
● Ayrıca aşağıdaki konularda fikir verir:
– Tasarım problemi
– Temel fizik
– Model zayıflıkları
Optimizasyon problemi
● Tasarım değişkenleri: tasarım probleminin
parametrelendirildiği değişkenler
● Amaç: Minimize veya maksimize edilecek miktar
Genellikle maliyet fonksiyonu olarak adlandırılır.
● Kısıt: sağlanması gereken koşul
– Eşitsizlik kısıtı:
– Eşitlik kısıtı:
g(x) 0
h(x) 0
f (x)
x x1, x2 , , xn
Optimizasyon problemi
● Optimizasyon probleminin genel biçimi:
Min f (x) x
g(x) 0
h(x) 0
x X n
xL x xU
Optimizasyon problemlerini çözme
● Optimizasyon problemleri genellikle bir iteratif
algoritma kullanılarak çözülür:
Model
Optimize edici
Tasarım değişkeni x
Sabitler Değerler
f , g, h
Türev
değerleri
(tasarım
hassasiyetleri)
f ,
g ,
h
xi xi xi
Boyutsallık sorunu
Değişken sayısının artması problemi karmaşık hale getirir.
● n adet tasarım değişkeniyle ilgili bir problem düşünün
● Her değişkeni m örnekle örnekleyin
● Gerekli hesaplama sayısı: mn
● Hesaplama başına 1 saniye, 10 değişken, 10 örnek: toplam
süre 317 yıl
Paralel hesaplama
● Büyük problemler için
optimizasyon çok büyük
bilgisayar gücü gerektirir.
● Paralel hesaplama
Tasarım sürecinde optimizasyon
Conventional design process:
Collect data to describe
the system
Estimate initial design
Analyze the system
Check performance
criteria
Is design satisfactory? Done
Change design based
on experience /
heuristics / wild guesses
Optimizasyonda tasarım süreci:
Sistemi tanımlamak için veri topla
Başlangıç tasarımını tahmin edin
Tasarım yakınsama kriterlerini
karşılıyor mu?
Bir optimizasyon metodu
kullanarak tasarımı değiştirin
Evet
BeIirlenecek hususlar:
1. Tasarım değişkenleri
2. Amaç fonksiyonu
3. Kısıtlar
Sistemi analiz edin
Kısıtları kontrol et
DUR
Tasarım sürecinde optimizasyon
● Global optimum en iyi çözümü sunar ve yerel bir
optimum ise en iyi çözüm olmasa bile yakındaki
değerlere göre daha iyidir.
● Yerel optimumları içeren durumlar multimodal olarak
adlandırılır. Bu gibi durumlarda, global optimumun
bulunması çoğu zaman istenir.
● Ayrıca global yerine yerel optimumun yanlışlıkla
alınmaması için dikkatli olmak gerekir.
Tasarım sürecinde optimizasyon
● Tıpkı kök bulmada olduğu gibi, tek boyutlu optimizasyon
paranteze alma ve açık yöntemler olarak ikiye ayrılır.
Altın-Bölme ‘Golden Section’ arama yöntemi paranteze
alma yönteminin bir örneği olup kök bulma yöntemi olan
Aralık Yarılama yöntemi ile benzerlik gösterir.
● Biraz daha karmaşık olan parabolik enterpolasyon
yaklaşımı ise başka bir yöntemdir. Bu iki yöntemin
birleştirilip MATLAB’ın ‘fminbnd’ fonksiyonu ile kullanılır.
● >> fminbnd('fun',a,b)
Neden optimizasyon popüler?
Popülerlik nedenleri:
● Sayısal modelleme tekniklerinin kullanılabilirliğini artması
● Ekonomik olan bilgisayarda gücün artması
● Artan rekabet ve küresel pazarlar
● Daha iyi ve daha güçlü optimizasyon teknikleri
● Artan pahalı üretim süreçleri (deneme yanılma yaklaşımı ile yapılan üretim çok pahalıdır)
● Optimizasyon bilgisi olan daha fazla mühendisin olması
Optimizasyon tuzakları!
Doğru şekilde problemin formülasyonu kritik öneme
sahiptir!
Verilen bir problem için doğru algoritmayı seçmek
önemlidir!
Birçok algoritma çok sayıda kontrol parametresi içerir
Optimizasyon, modellerdeki zayıf noktaları kullanma
eğilimi gösterir
Optimizasyon çok hassas tasarımlarda sorun çıkarabilir
Bazı sorunlar oldukça zor, büyük ve pahalıdır
Yapısal optimizasyon
● Yapısal optimizasyon = Yapılara optimizasyon
teknikleri uygulanabilir
● Farklı kategoriler:
– Boyutlandırma optimizasyonu
– Malzeme optimizasyonu
– Şekil optimizasyonu
– Topoloji optimizasyonu t
E,
r
R
L
h
Sınıflandırma
● Problemler:
– Kısıtlı ve kısıtsız optimizasyon – Tek düzeyli ve çok düzeyli optimizasyon – Tek amaçlı ve çok amaçlı optimizasyon – Deterministik ve stokastik
● Çözümler:
– Lineer ve lineer olmayan
– Konveks ve konveks olmayan – Düzgün ve düzgün olmayan
● Değişkenler:
– Sürekli ve tam sayı kesikli
Pratik örnek: Airbus A380
● Airbus A380'in
kanat sertleştirici
kaburgaları:
● Amaç: ağırlığı azaltmak ● Kısıtlar: stres, burkulma
Ön kenar
kaburgaları
Diğer örnekler
● Jaguar F1 FRC ön kanat: Maksimum yer değiştirmelerde
ağırlık kısıtlamalarını azaltmak
5% tasarruf sağlandı
Diğer Örnekler
● Paketleme ürünlerin dizaynı optimizasyonu
● Amaç: kullanılan
malzemeyi en aza
indirmek
● Kısıtlamalar:
stres, burkulma
● Sonuç:% 20 tasarruf edildi.
Diğer Optimizasyon Uygulamaları ● Optimizasyon ayrıca aşağıdaki alanlarda da
uygulanır:
–Protein katlama
–Sistem tanılama
–Finansal piyasa tahmini (opsiyon fiyatlaması)
–Lojistik (gezgin satıcı problemi), rota planlama, yön eylem araştırması
–Kontrolör tasarımı
–Uzay aracı yörünge planlaması
–Yapısal tasarım optimizasyonu
Bir tasarım optimizasyon
problemini ilginç kılan nedir?
● İyi tasarım optimizasyon problemleri genellikle
çıkar çatışması / çelişen gereksinimler gösterir:
– Uçak kanadı: rijitlik / ağırlık
– Yağ şişesi: sertlik / burkulma yükü / malzeme kullanımı
● Aksi takdirde sorun önemsiz olabilir!
Optimizasyon modeli
● Optimizasyon problemleri genellikle bir iteratif
algoritma kullanılarak çözülür:
Model
Optimize edici
Tasarım değişkeni x
Sabitler Değerler
f , g, h
Türevl
değerleri
(tasarım
hassasiyetleri)
f ,
g ,
h
xi xi xi
Sistem yaklaşımı
Sistem Fonksiyon
Ortam
● Sistematik düşünme biçimi:
– Giriş / çıkışlar nelerdir?
– Sisteme veya ortama ait olanlar hangileridir?
– Ayrıntı seviyesi ne ölçüde olmalıdır?
– Alt sistemleri ve hiyerarşileri ayırt edilmeli
Giriş Çıkış
Model örneği
Matematiksel model:
12
bh3 3E
U FL
3EI
3 3 FL
Sonlu elemant model: U K (E, L,b, h) F 1
F, U
L
h, b
h
b
E,
Çelik
U(x), M(x), V(x)
Model örneği (2)
● Sistem (durum)
değişkenleri:
● Sistem parametreleri:
● Sistem sabitler:
b
U(x), M(x), V(x)
h, b, L
E,
F, U h, b
h
E,
L
Çelik
U(x), M(x), V(x)
Bilgisayar modellerinin özellikleri
● Sonlu doğruluğun nedenleri:
– Ayrıklaşma zamanı ve arama uzayı
– Sonlu sayıda iterasyon (özdeğerler, doğrusal
olmayan modeller)
– Sayısal yuvarlama hataları, kötü koşullar
● Çözümler "gürültü" içerebilir:
– Arama uzayında ve/veya farklı ayrıklıklaşma
nedeniyle bu olabilir. Örneğin tekrar ağ yapısı
oluşturma.
Gürültü içeren çözüm
● Örnek: tekrar ağ yapısı oluşturma etkisi
Normalize edilmiş
stres kısıtı
Delik çapı
Bilgisayar modellerinin özellikleri
● Hesaplamalı modeller (çok) zaman alır
● Çoğu zaman tasarım hassasiyetleri hesaplanabilir
– Tasarım hassasiyetinin maliyet analizi?
– Hassasiyetlerin doğruluğu / tutarlılığı
Çözüm
Tasarım Değişkeni
Tam
Nümerik
Model
Sonlu fark hassasiyetleri
● Duyarlılık hesaplamanın basit yolu:
sonlu farklar
● Fazla ayrıntı daha sonra verilecek!
df
f ( x x) f ( x)
dx x
Küçük!
f
x
f (x x)
f (x)
x
Einstein'ın tavsiyesi
“Her şey
mümkün
olduğunca basit
yapılmalı, ancak
daha basit
olmamalıdır.”
Modelin basitleşmesi optimizasyon için önemlidir.!
Kaynaklar
● P.Y. Papalambros & D.J. Wilde, Principles of
Optimal Design , Modeling and Computation
● Singiresu S. Rao, Engineering Optimization:
Theory and Practice
● Chong E.K.P. and Zak S.H., An Introduction to
Optimization
● Fred van Keulen & Matthijs Langelaa, Lecture
Notes on Engineering Optimization, Delft
University, 2008