Рассматриваемые варианты моделей обладают некоторыми свойствами и характеризуются различными признаками (параметрами), которые выражаются критериями . Тогда каждому варианту можно сопоставить n-мерный вектор или кортеж вида , компонентами которого будут числовые оценки по шкалам критериев . [1]
Параметры микроконтроллеров ( ), которые могут учитываться при выборе модели: тактовая частота, МГц; напряжение питания, В; потребляемая мощность, Вт; СОЗУ, байт; цена. В задаче оптимального выбора микроконтроллера из множества допустимых значений не ставиться целью поиск вариантов, обеспечивающих максимизацию значений частных целевых функций (т.е. построение множества парето-оптимальных вариантов). Более приемлемым в данном случае выглядит подход к учету многокритериальности, состоящий в задании общего показателя качества в виде вектора, компонентами которого являются оценки варианта по отдельным частным критериям эффективности , в многомерном пространстве целей. Применение конкретного типа векторной оптимизации зависит от требований, предъявляемых к проектируемой системе.
Условная оптимизация может использоваться в том случае, если один из частных критериев эффективности, например время выполнения алгоритма , выделяется в качестве главного критерия, а на остальные частные критерии налагаются какие-то дополнительные условия. В таком случае задача векторной оптимизации сводится к нахождению условного экстремума функции:
При дополнительных ограничениях на область допустимых вариантов решения и область достижимых целей . Следует отметить, что такой метод оптимизации не требует установки экспертом важности частных критериев качества и достаточно удобен при проектировании технических систем.
Если же выделить главный критерий нельзя, то используется неравномерная оптимизация, разрешающая устанавливать различную важность частным критериям. Особенности такого подхода выражаются следующей формулой:
Перед формированием целевой функции и нахождением оптимального решения, необходимо, прежде всего, анализируя требования, предъявляемые к системе, в которой будет использоваться микроконтроллер, определить множество допустимых вариантов , которое ограниченно системой неравенств .
Для учета нечеткости априорной информации необходимо применить аппарат нечетких множеств. Степень принадлежности объекта нечеткому множеству определяет функция принадлежности (ФП). В данном случае удобно использовать s-образную ФП, входящую в подкласс полиномиальных, описываемую в общем виде следующим функционалом [2]:
Параметры, определяющие форму кривой, которые задаются экспертом.
На рисунке 1 показан пример графика s-образной ФП.
Метод математического программирования, рассмотренный выше, может быть применен в общем виде к задачам оптимизации в нечеткой среде.
При нечеткой условной многокритериальной оптимизации лицо принимающее решение (ЛПР) устанавливает для каждой нечеткой ограничивающей функции минимально допустимые пороговые уровни функции принадлежности и указывает главный критерий. Ищется решение задачи многокритериальной оптимизации на множестве , которое задается дополнительными ограничениями Если полученное решение и значения частных целевых функций удовлетворяют ЛПР, то задача считается решенной. Иначе ЛПР ослабляет требования, вводя другие пороговые уровни
БИБЛИОГРАФИЧЕСКИЙ СПИСОК: