ドキュメンテーション センター

  • 評価版
  • 製品アップデート

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

最適化理論の概要

最適化の手法は、最適な設計パラメーターの集合 x = {x1,x2,...,xn} を見つけるために使います。簡単な例としては、 x に依存するシステム特性の最小化または最大化の問題があります。より高度な定式化では、最小化または最大化する目的関数 f(x) に等式制約 Gi(x) = 0 ( i = 1,...,me)、不等式制約 Gi( x) ≤ 0 (i = me + 1,...,m)、パラメーターの範囲 xl, xu などの制約を与えます。

一般問題 (GP) は、次のように記述されます。

(6-1)

制約条件

ここで、x は長さ n の設計パラメーター ベクトル、f(x) はスカラー値を出力する目的関数、ベクトル関数 G(x) は x で計算する等式制約および不等式制約の値 (長さ m のベクトル) を出力します。

この問題の効率的で精度の高い解は、制約条件および設計変数の数で表される問題のサイズだけでなく、目的関数や制約条件の特性にも依存します。目的関数や制約がともに設計変数の線形関数である場合、この問題は線形計画 (LP) 問題として知られています。二次計画法 (QP) は、線形に制約を与えられた二次の目的関数の最小化または最大化に関したものです。LP、QP 問題共に信頼性の高い解法が既に用意されています。解くのがより難しいのは、目的関数や制約が設計変数の非線形関数になる非線形計画 (NP) 問題です。NP 問題に対する解は、各々の反復で探索方向を作成する反復手法を必要とします。これは、通常 LP、QP 問題または制約のない部分問題の解法で実現されます。

この情報は役に立ちましたか?