Xreferat.com » Рефераты по информатике и программированию » Иерархическое управление большими системами

Иерархическое управление большими системами

Большая система, как это кратко было описано в главе 1, - это сложная система, составленная из множества компонентов или меньших подсистем, которые выполняют свои функции, имеют общие ресурсы, и управляемая взаимосвязанными целями и ограничениями (Machmoud, 1977; Jamshidi, 1983). Хотя взаимодействие подсистем может быть организованно в различных формах, одна из общеизвестных – это иерархическая, которая естественна для экономики, менеджмента, в управлении предприятиями, в смешанных отраслях промышленности, таких как роботостроение, производство нефти, стали и бумаги. В этих иерархических структурах, подсистемы расположены на уровнях с различными степенями иерархичности. Подсистема на каком-либо уровне управляет или координирует подсистемы, расположенные на уровне ниже ее, и, в свою очередь, управляется или координируется подсистемой расположенной уровнем выше. Рисунок 4.1 показывает типичную иерархическую (многоуровневую) систему. Верхний уровень управления, иногда его называют координатор высшего уровня (supremal coordinator), можно сравнить с советом директоров корпорации, в то время как другие уровни можно сравнить с президентом, вице-президентом, директорами и т.д. Низший уровень может быть, например, управляющим завода, директором магазина и т.д. тогда как сама большая система – это корпорация. Несмотря на то, что представление иерархической структуры кажется вполне естественным, ее точное поведение еще не совсем изучено, из за того, что сделано мало исследований в области больших систем (March and Simon, 1958). Mesarovic и др. (1970) представили один из самых ранних формальных количественных подходов к иерархической (многоуровневой) системе.С тех пор было сделан много работ в этой области (Schoeffler and Lasdon, 1966; Benveniste et al., 1976; Smith and Sage, 1973; Geoffrion, 1970; Schoeffler, 1971; Pearson, 1971; Cohen and Jolland, 1976; Sandell et al., 1978; Singh,1980; Jamshidi, 1983; Huang and Shao, 1994a,b). Заинтересованный читатель может найти относительно исчерпывающую информацию об управлении многоуровневыми системами и их применении в работе Mahmoud (1977).

В этом разделе дано описание понятия «иерархия», свойств и типов иерархических процессов и представлены некоторые причины для их существования. Полная оценка иерархических методов представлена в разделе 4.6.

Ниже представлены основные свойства иерархических систем, хотя они не общеприняты:

Иерархическая система состоит из управляющих блоков, которые организованны по принципу пирамиды.

У системы есть общая цель, которая может совпадать или не совпадать с целью отдельных компонентов системы.

Различные уровни иерархии системы многократно обмениваются информацией между собой (обычно вертикально).

С увеличением уровня временной диапазон тоже увеличивается, то есть компоненты нижних уровней быстрее, чем компоненты верхних.

В иерархических (многоуровневых системах) можно выделить три основные структуры, в зависимости от параметров модели, искомых переменных, поведения и окружающей среды, изменчивости и существования множества взаимоисключающих целей и задач.

1. Многопластовая иерархическая структура. В этой многоуровневой структуре уровни называют пластами. Подсистемы нижнего уровня дают более точное описание большой системы, чем подсистемы верхнего уровня.

2. Многослойная иерархическая структура. Эта структура является результатом сложности процесса регулирования. Задачи управления распределены вертикально, как показано на рисунке 4.2 (Singh and Titli, 1978). В многослойной системе, которая изображена на рисунке, регуляция (на первом уровне) является прямым управлением, а за ним следует оптимизация (вычисление контрольных точек регуляторов), адаптация (непосредственная адаптация закона управления и модели управления) и самоорганизация (выбор модели и управление как функция параметров окружающей среды).

3. Многозвенная иерархическая система. Это самая распространенная из всех трех структур; она состоит из нескольких подсистем, которые располагаются на уровнях таким образом, что каждый уровень (как описано выше) может управлять подсистемами нижнего уровня, и управляется подсистемами верхних уровней. Эта структура, изображенная на рис 4.1, принимает во внимание взаимоисключающие цели и задачи различных подуровней. Другими словами, ступени высшего уровня достигают взаимоисключающих целей путем ослабления взаимодействия между ступенями низшего уровня. Распределение задачи управления данной структуры показано на рисунке 4.2 и, в отличие от многослойной структуры, – горизонтально.

Кроме вертикального и горизонтального распределения задач управления, существует третий способ – временное или функциональное распределение. Это распределение, дающее подсистемам функциональную оптимизацию проблемы, заключается в декомпозиции задачи на конечное число простых задач оптимизации на нижнем уровне и в результате дает немалое сокращение вычислений. Эта схема использовалась для иерархического управления дискретными системами у Jamshidi (1983).

Далее в этой главе говорится о том, как можно эффективно управлять иерархическими системами, используя процессы, известные как декомпозиция и согласование. Эти два процесса представлены на рис 4.3. В итоге, определение иерархического управления: (а) декомпозиция – разделение системы на множество подсистем, и (б) согласование работы этих подсистем, пока не будет достигнуто оптимальное управление всей системой (посредством многоуровневого итеративного алгоритма).

В разделе 4.2 описана возможность применения согласования для иерархических систем. раздел 4.3 посвящен управлению по разомкнутому контуру. Управлению по замкнутому контуру посвящен раздел 4.4, так же в нем даны определения «interaction prediction» и метода структурных возмущений. В разделе 4.5 описано иерархическое управление, основанное на разложение на ряды Тейлора и Чебышева. Проблема управления решается линейными алгебраическими уравнениями. На примерах показаны различные методы решений. Оптимизация линейных и нелинейных иерархических систем описана в главе 6. раздел 4.6 содержит дальнейшее развитие методов иерархического управления.

4.2. Согласование иерархических структур.


Как было сказано в предыдущем параграфе, большие системы могут быть иерархически управляемы, для чего сначала надо провести декомпозицию на подсистемы и, затем согласовать полученные подзадачи, преобразовывая сложную систему в многоуровневую. Этого преобразования можно достичь различными путями. Однако, все эти пути, по сути, есть комбинация всего двух отдельных подходов: согласование модели (feasible) и согласование цели (dual-feasible). и методы описаны в следующих двух параграфах, на примере статической оптимизации системы, состоящей из двух подсистем (динамическое программирование).


4.2.1 Метод согласования модели.


Рассмотрим следующую статическую оптимизационную задачу:

Иерархическое управление большими системами (4.2.1)

Иерархическое управление большими системами (4.2.2)

где x – вектор состояния системы, u – вектор управления, y – вектор взаимодействия между подсистемами. Декомпозируем задачу и ее целевую функцию на две подсистемы:

Иерархическое управление большими системами (4.2.3)

и

Иерархическое управление большими системами (4.2.4)

где xi, ui, yi – управляющие векторы системы и выходные векторы i-й подсистемы, соответственно. Такая декомпозиция дает функцию производительности (функционал) для каждой подсистемы. Однако, вектора yi, i=1,2 подсистем взаимосвязаны. Цель метода согласования модели – преобразовать общую задачу в двухуровневую задачу установки значений векторов y1 и y2 в некоторые значения wi, i=1,2:

Иерархическое управление большими системами (4.2.5)

Данная задача разделяется на две последовательные подзадачи:

Первый уровень подсистемы i:

Иерархическое управление большими системами (4.2.6)

Иерархическое управление большими системами (4.2.7)

Второй уровень:

Иерархическое управление большими системами (4.2.8)

Эту минимизацию можно представить как:

Иерархическое управление большими системами (4.2.9)

Иерархическое управление большими системами (4.2.10)


В этой процедуре согласования переменная wi, которая фиксирует изменения переменной yi, называется переменной согласования. Кроме того, внутренние изменения фиксируются добавлением вынужденной составляющей мат модели, эта процедура называется согласованием модели. Другими словами, сам факт представления всех промежуточных значений переменных x, u и y, так же называется метод точной декомпозиции. Следовательно, система может оперировать с теми промежуточными переменными, которые ведут к локальной оптимизации. Первый уровень задачи фиксируется точным взаимодействием переменных с первоначальной задачей оптимизации, пока определяется задача выделения согласующих переменных второго уровня.

Метод согласования цели.

Рассмотрим задачу статической оптимизации (4.2.1)-(4.2.2). В методе согласования цели удаляются все связи между подсистемами. Выходную переменную i-й подсистемы обозначим как yi, а входную – zi. Пусть все связи между подсистемами отсутствуют, т.е. Иерархическое управление большими системами. При этом условии, zi действует как случайно управляемая переменная и оптимизирует подсистему подобно x, u и y. Кроме того, задача оптимизации, рассмотренная в предыдущем параграфе, решена для уже разделенной на две подсистемы системой, где разделены взаимодействия подсистем и их целевые функции. Далее необходимо убедится, что все подсистемы вместе решают первоначальную задачу, для этого должно выполнятся правило уравновешенного взаимодействия, т.е. независимого выбора yi и zi для решения (Mesarovic и др., 1969; Schoeffler, 1971).

Опишем процедуру декомпозиции задачи на отдельные подзадачи, которые содержат задачи первого уровня. Второй уровень решения управляет первым, опираясь на правило уравновешенного взаимодействия. С точки зрения математики, это многоуровневую формулировку можно записать с помощь параметра веса Иерархическое управление большими системами, который определяет штраф системы, где не сбалансировано взаимодействие. Целевая функция примет вид:

Иерархическое управление большими системами (4.2.11)

где Иерархическое управление большими системами – вектор параметров веса (положительных и отрицательных), которые изменяют целевую функцию в зависимости от разности y-z. Введем переменную z, тогда решение системы примет вид:

Иерархическое управление большими системами (4.2.12)

Иерархическое управление большими системами (4.2.13)

Набор допустимых системных переменных определяется так:

Иерархическое управление большими системами (4.2.14)

Целевая функция минимизируется посредством S0:

Иерархическое управление большими системами (4.2.15)

Приняв за штраф Иерархическое управление большими системами и учитывая (4.2.11)-(4.2.13) , задача первого уровня формулируется как:

Подсистема 1:

Иерархическое управление большими системами (4.2.16)

Иерархическое управление большими системами (4.2.17)

Подсистема 2:

Иерархическое управление большими системами (4.2.18)

Иерархическое управление большими системами (4.2.19)

Второй уровень управляет согласованием переменной Иерархическое управление большими системами, исходя из невязки по выходу:

Иерархическое управление большими системами (4.2.20)

Из задачи второго уровня ясно, что согласующей переменной х управляют до тех пор, пока ошибка е не достигнет нуля, т.е. баланс взаимодействия поддерживается посредством целевой функции задач первого уровня (4.2.16) и (4.2.18) и через переменную Иерархическое управление большими системами, отсюда и название – согласование цели. На рис 4.4 изображено двухуровневое решение через согласование цели. Читатель может сравнить схемы 4.4 и 4.5.

Позже мы увидим, что переменную согласования а можно истолковать как вектор управления Лагранжа и задачу второго уровня можно решить через хорошо известные итеративные поисковые алгоритмы, такие как метод градиента, Ньютона и скоростного градиента.


4.3 Иерархическое управление линейными системами.


В этом разделе формулировка согласования цели для многоуровневых систем применяется к большим линейным непрерывным системам в контексте управления по разомкнутому циклу. Кроме подхода с балансом взаимодействия обсуждается так же другая схема, известная как метод наблюдения взаимодействия.

Пусть большая динамическая взаимосвязанная система представлена в виде следующего уравнения состояния:

Иерархическое управление большими системами (4.3.1)

где х и u – это векторы состояния (n x l) и управления (m x l). Принято считать, что система может быть разложена на N взаимосвязанных подсистем si, i=1,…,N, и управление состояния i-й подсистемы может быть представлено как:

Иерархическое управление большими системами, (4.3.2)

где x, u, xi, ui – имеют размерность n, m, ni, mi, соответственно, а gi – представляет взаимосвязи в i-й подсистеме, и:

Иерархическое управление большими системами (4.3.3)

Иерархическое управление большими системами (4.3.4)

Задачей оптимального управления является поиск управляющих векторов u1,…,uN, таких, что оценочная функция

Иерархическое управление большими системами (4.3.5)

минимизирует объект (4.3.1) и подходящая область:

Иерархическое управление большими системами (4.3.6)

Учитывая возможность декомпозиции системы (4.3.1) на N соединенных подсистем (4.3.2), можно разложить ценовую функцию (4.3.6) и взаимосвязи gi(x,t) (4.3.2), как:

Иерархическое управление большими системами (4.3.7)

Иерархическое управление большими системами (4.3.8)

Иерархическое управление большими системами (4.3.9)

где zi – вектор содержащий линейную (или нелинейную) комбинацию состояний N подсистем. Исходя из описанных предположений, задача оптимального управления большой системой может быть записана как:

Иерархическое управление большими системами (4.3.10)

Иерархическое управление большими системами (4.3.11)

Иерархическое управление большими системами (4.3.12)

Иерархическое управление большими системами (4.3.13)

Эта проблема, известная как иерархическое управление, была решена двухуровневой оптимизацией статистической задачи в предыдущем параграфе. Применение двухуровневого согласования цели для больших линейных систем описано далее.

4.3.1 Двухуровневое согласование линейных систем

Рассмотрим большую линейную стационарную систему:

Иерархическое управление большими системами (4.3.14)

Система может быть декомпозирована как:

Иерархическое управление большими системами (4.3.15)

где вектор взаимодействия (k x l), записанный как:

Иерархическое управление большими системами (4.3.16)

это линейная комбинация состояний N-1 подсистем, и Gij – это матрица ni x nj. Первоначальная задача оптимального управления системой сводится к оптимизации N подсистем, которые удовлетворяют (4.3.15)-(4.3.16) и минимизируют:

Иерархическое управление большими системами (4.3.17)

где Qi – это неотрицательно определенная матрица ni x ni, Ri и Vi – это положительно определенные матрицы mi x mi и ki x ki , где

Иерархическое управление большими системами (4.3.18)

Физическая интерпретация последнего слагаемого в интеграле (4.3.17) – это неточность в данной точке. Фактически, определяя это слагаемое, как будет видно дальше, мы избегаем выраженных управлений. «Согласование цели» и «баланс взаимодействия» использованные у Mesarvic и др. (1970), так же известны как задача «linear-quadratic» у Pearson (1971) и передача у Singh (1980) и Jamshidi (1983).

В этой декомпозиции большой взаимосвязанной линейной системы общие коэффициенты связи между ее N подсистемами – это переменная взаимосвязи zi(t), которые, вместе с (4.3.15)-(4.3.16), образуют ограничение связи. Эта формулировка называется глобальной и обозначается SG. Можно сделать следующее допущение. Глобальная проблема SG заменяется группой N подзадач, соединенных вместе через вектор параметров a=(a1,…,aN) и обозначенных si(a), i=1,…,N. Другими словами, глобальная системная задача SG включена в группу подсистемных проблем si(a) через внутренний параметр (Sandell и др., 1978) таким образом, что для определенного значения a*, подсистемы Si(a*), и i=1,…,N, дают желаемое решение для SG. Используя обозначения иерархического управления, эта внутренняя идея это и есть понятие согласования, но используя терминологию математического программирования задач, она называется основной проблемой (Geoffrion, 1970). На рисунке 4.6 изображена двухуровневая структура управления большой системой. Под этой стратегией, на i-й итерации каждый местный контроллер i получает Иерархическое управление большими системами от координатора (второй уровень иерархии), решает Иерархическое управление большими системами и передает (сообщает) некоторую функцию Иерархическое управление большими системами этого решения координатору.

Координатор, в свою очередь, оценивает следующее значение Иерархическое управление большими системами, т.е.:

Иерархическое управление большими системами (4.3.19)

где ei – это l-й размер шага итерации, и новый компонент dl, как мы вскоре увидим, часто берется за функцию ошибка взаимодействия:

Иерархическое управление большими системами (4.3.20)

Внутреннюю переменную взаимодействия zi(*) в (4.3.20) можно считать частью управляющей переменной доступной для контроллера i, в этом случае вектор параметра a(t) является набором двойных переменных или множителем Лагранжа, который соответствует ограничениям уравнения взаимодействия (4.3.16). Фундаментальная идея, которая стоит за этим подходом должна преобразовать задачу поиска минимума первоначальной системы в более легкую задачу поиска максимума, решение которой можно получить посредством двухуровневой итеративной схемы. Которая обсуждалась выше.

Введем двойную функцию

Иерархическое управление большими системами (4.3.21)

к объекту (4.3.15), где Лагранжиан L(*) определен как:

Иерархическое управление большими системами (4.3.22)

где вектор параметра а состоит из k множителей Лагранжа. Таким образом, первоначально ограниченная (взаимодействием подсистем) оптимизационная задача превращается в неограниченную, другими словами ограничение (4.3.16) удовлетворяется через определение набора множителей Лагранжа ai, i=1,…,k. В таких случаях, когда функции ограничений выпуклые, теорема сильной двойственности Лагранжа (Geoffrion, 1971a, b; Singh, 1980) показывает, что

Иерархическое управление большими системами (4.3.23)

определяя, что минимизация J в (4.3.17) для объекта (4.3.15)-(4.3.16) эквивалентна максимуму двойной функции q(a) в (4.3.21) по параметру a. Чтобы облегчить решение этой задачи, замечено, что для определенного набора этих множителей Лагранжа а=а*, Лагранжиан можно переписать в виде:

Иерархическое управление большими системами(4.3.24)

который обнаруживает, что декомпозицию применяют к Лагранжиану таким образом, что, подлагранжиан Li существует для каждой подсистемы. Каждая подсистема будет стремиться минимизировать свой собственный подлагранжиан Li, как определенно в (4.3.24) для объекта (4.3.15) и используя множители Лагранжа a*, которые считаются известными функциями на первом уровне иерархии. Результат каждой такой минимизации позволит определить двойственную функцию q(a*) в (4.3.21). На втором уровне, на котором решение всех подсистем первого уровня известны, значение q(a*) будет изменено типичной неограниченной оптимизацией, например метод Ньютона, градиента или скоростного градиента. Градиентные методы используются потому, что градиент q(a) определяется:

Иерархическое управление большими системами (4.3.25)

это ошибки взаимодействия подсистем, которые известны из решений первого уровня и Иерархическое управление большими системами определяет градиент f по х. На втором уровне вектор a изменяется по формуле (4.3.19) и рисунку 4.6. Если применяется градиентный метод (с крутым склоном), вектор dl в (4.3.19) является просто l-й итеративной ошибкой взаимодействия el(t). Однако, для повышения точности вычислений определим скоростной градиент как:

Иерархическое управление большими системами (4.3.26)

где

Иерархическое управление большими системами (4.3.27)

и d0=e0. Как только вектор ошибки e(t) достигает нуля, появляется оптимальное иерархическое управление s. Ниже дана пошаговая процедура вычисления для метода согласования цели иерархического управления.

Алгоритм 4.1. Метод согласования цели.

Шаг 1. Для каждой подсистемы первого уровня, минимизируем каждый подлагранжиан Li, используя известный множитель Лагранжа a=a*, так как подсистемы линейные, может быть использовано уравнение Риккати. Сохраним решение. (Читатели не знакомые с уравнением Риккати могут прочитать раздел 4.3.2, метод прогнозирования взаимодействия).

Шаг 2. На втором уровне используется итеративный метод скоростного градиента, похожий на (4.3.26)-(4.3.27), чтобы изменить траектории a*(t) как в (4.3.19). Как только общая ошибка взаимодействия системы будет нормализована из

Иерархическое управление большими системами (4.3.28)

и будет достаточно мала, будет достигнуто оптимальное решение для системы. Здесь Иерархическое управление большими системами – размер шага интегрирования.

Два примера ниже иллюстрируют метод согласования цели или баланса взаимодействия. Первый пример, который был предложен Pearson (1971), и позже рассмотрен Singh (1980) и Jamshidi (1983), использован в изменненой форме. Второй пример показывает модель многоколенной задачи загрязнения реки (Beck, 1974; Singh, 1975). Полная оценка многоуровневых методов дана в секции 4.6, а описание нелинейных многоуровневых нелинейных систем в главе 6. Две альтернативы решения этого иерархического управления основаны на расширенных рядах Тейлора и Чебышева в разделе 4.6.

Пример 4.3.1. Рассмотрим систему 12-го порядка введенную Pearson (1971) и показанную на рис 4.7 с уравнением состояния:

Иерархическое управление большими системами (4.3.29)

и квадратичной функцией оценки:

Иерархическое управление большими системами (4.3.30)

с

Иерархическое управление большими системами

где

Иерархическое управление большими системами


Вектор выхода системы представлен как:

Иерархическое управление большими системами (4.3.31)

Необходимо найти стратегию иерархического управления по методу баланса взаимодействий (согласования цели).

Решение: Из схемы системы, показанной на рисунке 4.7 (пунктирные линии) и матрицы состояния (4.3.29) ясно, что есть четыре подсистемы третьего порядка соединенных через шесть ограничивающих уравнений (по числу пунктирных линий на рис. 4.7):

Иерархическое управление большими системами (4.3.32)

где ei, i=1,…,6 представляет ошибки взаимодействия между четырех подсистемами. Задачи подсистем первого уровня были решены через набор из четырех матричных уравнений Риккати третьего порядка:

Иерархическое управление большими системами (4.3.33)

где Ki(t) – это положительно определенная матрица Риккати ni x ni и Иерархическое управление большими системами. Методы «без взаимодействия» и «удвоения» решают дифференциальное матричное уравнение Риккати, предложены Davison и Maki в 1973 и рассмотрены Jamshidi в 1980,были использованы для компьютерного решения (4.3.33). Уравнения состояния подсистем были решены стандартным методом Рунге-Кутта четвертого порядка, а итерации второго уровня были выполнены по схеме скоростного градиента (4.3.19), (4.3.26)-(4.3.27), используя кубическую сплайн интерполяцию (Hewlett-Packard, 1979) для оценки подходящих численных интегралов. Размер шага был выбран Иерархическое управление большими системами=0.1, как и в более ранних рассмотрениях этого примера (Pearson, 1971; Singh, 1980). Алгоритм скоростного градиента позволил уменьшить ошибку с 1 до Иерархическое управление большими системамиза шесть итераций, как показано на рисунке 4.8, который был в тесной связи с результатами предыдущих исследований модифицированной версии системы (4.3.29), полученными Singh (1980). Рассмотрим второй пример.

Пример 4.3.2. Рассмотрим двухколенную модель задачи управления загрязнением реки.

Иерархическое управление большими системами (4.3.34)

где каждое колено (подсистема) реки имеет два состояния – x1 – это концентрация биохимической потребности в кислороде (БПК) (биохимическая потребность в кислороде представляет собой уровень содержания кислорода полученного в результате распада органического вещества) и х2 – это концентрация растворенного кислорода (РК) – и управление u1 – это БПК вод втекающих в реку. Для квадратичной функции оценки

Иерархическое управление большими системами

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.
Подробнее

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: