Показатели отбора метамодели, которые будут использоваться при моделировании оптимизации
РЕЗЮМЕ
Эта статья указывает на необходимость для выполнения мер в контексте оптимизации моделирования и предлагает шесть таких мер. Две меры признаки абсолютной производительности, тогда как остальные четыре полезны при оценке относительной эффективности различных метамодели кандидата. Оценки эффективности мер по трем направлениям: точность размещения оптимумов в нужном месте, подходит к ответу, и соответствовать характеру поверхности (в пересчете на число оптимумов). Приведены примеры представления доказательств принятия мер ", утилиты-1 в ограниченном сценарий решить, какой из двух конкурирующих метамодели для использования в качестве моделирования поверхностей оптимизации ответ меняться, а другой в сценарий исследователь разработке новой, последовательной процедуры для поисковой оптимизации.
Предметные области: ядро, сглаживание, Метамодели, непараметрические статистики, показатели эффективности, моделирование, моделирование оптимизации и тонкой-Plate сплайнов.
ВВЕДЕНИЕ
Моделирование оптимизации
ВЫВОДЫ
В настоящем документе предлагается шесть показатели для использования в контексте оптимизации моделирования. Предыдущие меры использовались в моделировании оптимизации ориентированы на ответ поверхностей, которые в основном одним видом транспорта или, что сводится к одной оптимальной после обработки экспертам в этой области.
Выбор полезных показатели деятельности в этом контексте является сложной проблемой, потому что желаемой цели меры могут быть очень отличается от существующих мер. Мер, разработанных здесь оценки эффективности по трем направлениям: точность размещения оптимумов в нужном месте, нужным ответ сам, и соответствовать характеру поверхности (в пересчете на число оптимумов). Две меры судить абсолютной возможности метамодели, а другие четыре оценки относительной функционирования. Меры показали свою полезность в два сценария, один рассмотрении двух конкурирующих непараметрических метамодели над классом ограниченных поверхностей и другие следственные процедуры последовательного поиска.
Исследования, представленные в настоящем документе открывает двери для значительных дополнительных исследований. Знание теоретических поведение метамоделирования методы могут быть увеличены путем расследования, которое использует меры для оценки производительности методов над смешанных поверхностей отклика. Выводы из этого типа исследований будут особенно полезны для тех авторов, пропаганды, основанной на знаниях подход к моделированию оптимизации, например, Крауч, Гринвуд и Риз (1995). Увеличение глубины знаний о метамоделирования методы могут также стимулировать развитие последовательного дизайна подходы к моделированию оптимизации, которые используют такие методы. Такие знания могут предложить использование различных подходов метамоделирования в последовательности, при этом каждый метод использовали из-за его превосходную производительность на этом конкретном этапе поиска. Впрочем, методы могут быть найдены дополняют друг друга, и последовательное - методика может затем использовать два или более методов в сочетании с тем чтобы достичь своей цели.
В более широкой точки зрения, меры, разработанные здесь, представляют собой полезный инструмент для тех лиц, принимающих решения в решении проблем управления при помощи моделирования. Хотя моделирование является инструментом, который позволяет строить достаточно точные модели системы, она сама по себе не указывают на оптимальные параметры и структура этой системы. методов моделирования оптимизации дает возможности определить параметры модели, которые приводят к операционной системе на уровне, который удовлетворяет цели принятия решений. Выбор методов моделирования оптимизации в ширину и относительной эффективности методов не всегда ясны. Здесь представлены меры могут способствовать достижению оценки различных методов моделирования оптимизации и так определять выбор соответствующих метод решения проблемы принимающего решения. Закон и Келтон (1999, стр. 659) заявил: "Несмотря на проблемы с теоретической и практической стороны, найти даже приблизительно оптимальной конфигурации системы имеет большой потенциал для выплаты на практике, заинтересованности и активности в этой теме является высоким. " Они перечислены некоторые примеры, в том числе кадровые фармацевтической лаборатории производства, определяя ворота проведения политики свести к минимуму задержки расходов в настройки управления воздушным движением, а также создания автоматизированных склад / поисковые системы.
Боуден, зал, и Usher (1992) использовали моделирование оптимизацию эволюционного программирования, интегрированная с имитационной модели-дизайну системы тянуть производства. Они определили минимальное количество kanbans и соответствующие вызвать производства ценностей, необходимых для удовлетворения спроса. Другие промышленные применения включают определение оптимального расположения и размера буфера, изыскание оптимального количества подъемно-транспортного устройства для использования и настройки параметров процесса, чтобы максимизировать выход этанола дистилляции или качество урожая. [В редакцию: 24 мая 2000. Принято: 27 ноября 2001.].
Ссылки
Боуден, Р. О., зал, J. D.,
Box, G Е. R,
Братчер, Т. Л., Моран, М. А.,
, основанной на знаниях системы моделирования оптимизации. Naval Research Логистика, 42, 1203-1232.
Епанечников, В. (1969). Непараметрических оценок многомерной плотности вероятности. Теория вероятностей и ее применения, 14, 153-158.
Ойбанк, Р. Л. (1988). Сглаживания сплайнами и непараметрической регрессии. Нью-Йорк: Marcel Dekker.
Гу, C. (1989, обновлено 1992). Rkpack и ее приложения: Установка сглаживания моделей сплайна. Технический отчет № 857, Департамент статистики, Университет Висконсин-Мэдисон.
Ручка, В. (1990). Прикладная непараметрической регрессии. Эконометрического общества Монографии, № 19. М.: Cambridge University Press.
Клейен Дж. П. C.,
Закон, А. М.,
Маррон, J. С.,
ЕСС и оптимизации с использованием продукта предназначены экспериментов. Нью-Йорк: John Wiley
Нетеровым слева, J., Вассерман, В.,
Сарджент, Р. G (1991). Исследования проблем в метамоделирования. В трудах конференции зимних моделирование, Б. Л. Нельсон, WD Келтон
Энтони ключей
Департамент информационных систем управления, Университет Висконсин - Eau Claire, Eau Claire, WI 54702, адрес электронной почты: <a href="mailto:keysac@uwec.edu"> keysac@uwec.edu </ A>
Лорен Пол Рис
Департамент предпринимательства информационные технологии, Вирджиния политехнического института и государственного университета Блэксбург, В. А. 24061, адрес электронной почты: <a href="mailto:loren@vt.edu"> loren@vt.edu </ A>
Аллен Г. Гринвуд
Департамент промышленной инженерии, Миссисипи государственный университет штата Миссисипи, MS 39762, адрес электронной почты: greenwood@ie.msstate.edu
Энтони (Тони) C. Ключи доцент кафедры информационных систем управления в Университете Висконсин-Eau Клэр. Он имеет степень доктора Вирджинии политехнического института и государственного университета. В настоящее время его научные интересы в моделировании оптимизации, применение искусственного интеллекта для бизнес-задач, а также структуры и эффективности технологии для решения педагогических наук. Он является членом Института Decision Sciences, сообщает, а также Американской ассоциации искусственного интеллекта.
Лорен Пол Рис является Arthur Andersen / Andersen Consulting выпускников профессор информации по вопросам управления в Вирджинском политехническом институте государственного университета. Ранее был членом технического персонала в Bell Telephone Laboratories. Его исследовательские интересы включают моделирование оптимизации беспроводных телекоммуникаций, программного обеспечения и средств, и он опубликовал в таких журналах, как Decision Sciences, Naval Research Логистика, транспорт исследований, LIE сделки, и другие. Он является членом Института Decision Sciences, сообщает, а также Американской ассоциации искусственного интеллекта. Он получил докторскую степень в промышленности и инженерных систем из Технологического института Джорджии.
Аллен G Гринвуд, PE., Является доцент кафедры промышленной инженерии Миссисипи государственного университета. Он получил степень бакалавра и магистра в области промышленного производства из Государственного университета Северной Каролины и Университета Теннесси, соответственно. Он получил докторскую степень в управлении науки из Virginia Tech.
До прихода факультета МГУ, он был преподавателем в Технологическом университете Вирджинии, Северо-восточный университет, Американский университет Армении. До прихода в академических кругах, он провел почти 10 лет профессиональной деятельности в качестве инженера и менеджера и американские компании "Энка" и General Dynamics Corporation, и в качестве научного сотрудника в Технологическом университете Вирджинии. Его исследовательские интересы включают моделирование предприятия, интегрированный продукт / процесс калькуляции для поддержки проектирования и имитационного моделирования и оптимизации. Его исследования авторами, в частности, Исследовательская лаборатория ВВС США и НАСА, и его работы были опубликованы, среди прочих, решение наук, Институт международного образования Сделки, IEEE Transactions на надежность и Naval Research Логистика.
