JPH03188562A - Method and device for nonlinear optimization processing - Google Patents
Method and device for nonlinear optimization processingInfo
- Publication number
- JPH03188562A JPH03188562A JP2239859A JP23985990A JPH03188562A JP H03188562 A JPH03188562 A JP H03188562A JP 2239859 A JP2239859 A JP 2239859A JP 23985990 A JP23985990 A JP 23985990A JP H03188562 A JPH03188562 A JP H03188562A
- Authority
- JP
- Japan
- Prior art keywords
- nonlinear optimization
- optimization method
- program
- processor
- knowledge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 363
- 238000005457 optimization Methods 0.000 title claims abstract description 286
- 238000012545 processing Methods 0.000 title claims description 130
- 230000008569 process Effects 0.000 claims abstract description 90
- 238000003860 storage Methods 0.000 claims abstract description 65
- 238000004519 manufacturing process Methods 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000003672 processing method Methods 0.000 claims description 16
- 239000002994 raw material Substances 0.000 claims description 8
- 230000002265 prevention Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 19
- 238000013500 data storage Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 11
- 239000000047 product Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010129 solution processing Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000002939 conjugate gradient method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Multi-Process Working Machines And Systems (AREA)
- General Factory Administration (AREA)
Abstract
Description
【発明の詳細な説明】
〔産業上の利用分野〕
本発明は、非線形最適化処理方法及び非線形最適化処理
装置に関するものである。DETAILED DESCRIPTION OF THE INVENTION [Field of Industrial Application] The present invention relates to a nonlinear optimization processing method and a nonlinear optimization processing device.
最適化技術は、少なくとも１個の変数によって定義され
る目的関数を最大または最小にすることに関係するもの
である。その関係が非線形であるときには、このような
問題に対する最適解を得ることは簡単ではない。概略的
にいえば、非線形最適化問題は次の式によって一般的に
表される。Optimization techniques are concerned with maximizing or minimizing an objective function defined by at least one variable. Obtaining an optimal solution to such problems is not easy when the relationship is nonlinear. Roughly speaking, the nonlinear optimization problem is generally expressed by the following equation.
最適化 ：ｆ（ｘ）
制約条件： ｇｌ（ｘ）≧０（ｖｌＣＭＩ）ｈ Ｊ （
ｘ ） ＝ Ｏ（Ｖ Ｊ Ｅ Ｍ Ｅ ）ここで、
ｆ（ｘ）は目的関数、
ｇｔ（ｘ）は不等式制約条件、
ｈＪ（ｘ）は等式制約条件、
ＭＩ及びＭＥはそれぞれ不等式制約条件の添字集合及び
等式制約条件の添字集合、
Ｘはｎ次空間におけるある１点の座標を表すものであり
、非線形最適化問題でのｎ個の変数を表している。Optimization: f(x) Constraints: gl(x)≧0(vlCMI)h J (
x ) = O(V The subscript set and the subscript set of equality constraints, X represents the coordinates of a certain point in the n-dimensional space, and represents n variables in a nonlinear optimization problem.
非線形最適化の問題に対しては１例えば、単体法及びカ
ーマーカ法（Ｕ Ｓ −Ａ−４７４４０２８を参照）な
対応するような決定的な求解方法を得ることはできない
。より詳細に後述されるように、多くの非線形最適化手
法が存在する。即ち、例えば。For non-linear optimization problems, no definitive solution method is available, such as the simplex method and the carmarker method (see US-A-4744028). Many nonlinear optimization techniques exist, as described in more detail below. That is, for example.
「非線形計画法」 （日科技連、１９７８）なる刊行物
、および、１９７２年、プレンティス・ホール社刊行の
、ニス・エル・ニス・ジャコビイ（Ｓ。"Nonlinear Programming" (Japan Society of Science and Technology, 1978), and Nis el Nis Jacoby (S.
Ｌ、Ｓ、Ｊａｃｏｂｙ） 、ジエイ・ニス・コワリク（
Ｊ。L.S. Jacoby), J. Nis Kowalik (
J.
Ｓ 、Ｋｏｉｒａｌｉｋ）およびジエイ・ティー・ビシ
（Ｊ、Ｔ。S., Koiralik) and G.T.
Ｐｉｚｚｏ）による、゛′非線形最適化問題の反復方法
（Ｉｔｅｒａｔｉｖｅ Ｍｅｔｈｏｄ ｏｆ Ｎｏｎ１
ｉｎｅａｒ ＯｐｔｉｍｉｚａｔｉｏｎＰｒｏｂｌｅａ
＋ｓ） ”なる刊行物には、以下の非線形最適化手法が
開示されている。``Iterative Method of Non-linear Optimization Problems'' by Pizzo)
inear OptimizationProblea
The following nonlinear optimization method is disclosed in the publication "+s)".
（ｉ）目的関数および制約関数を融合した関数を最適化
する変換方法。(i) A conversion method that optimizes a function that combines an objective function and a constraint function.
（ｎ）線形計画における単体法を非線形最適化処理に対
して拡張した簡約勾配方法。(n) A reduced gradient method that extends the simplex method in linear programming to nonlinear optimization processing.
（ｎｉ）二次計画を反復することにより探索点を改善す
る逐次二次計画方法。(ni) A sequential quadratic programming method that improves search points by repeating quadratic programming.
これらの方法は、いずれも基本的には探索の開始点から
目的関数を改善する方向に探索点を更新していき、最終
的に目的関数をそれ以上改善できない最適点に収束させ
るものである。All of these methods basically update the search points in a direction that improves the objective function from the starting point of the search, and finally converge to an optimal point where the objective function cannot be improved any further.
かくして、多くの非線形最適化手法が知られているけれ
ども、全ての問題に対して一般的な適用性を有するもの
はない。従って、ある与えられた問題に対して、満足の
いく解が得られるまで、−連の非線形最適化手法を適用
することが必要である。Thus, although many nonlinear optimization techniques are known, none have general applicability to all problems. Therefore, for a given problem, it is necessary to apply a series of nonlinear optimization techniques until a satisfactory solution is obtained.
一般的に、このような非線形最適化手法はコンピュータ
技術に適用されるものである。従来、これらの手法を実
行するためのプログラムは、求解の失敗を防止するため
に求解の過程を観察し、必要に応じて求解過程を修正す
るルーチンを組込まれていた。実際には、求解の試行に
よって何等かの支障が生じた場合、これを解消するよう
にプログラムを改良するというような対症療法的な対策
に頼らざるを得ない部分が多かった。Generally, such nonlinear optimization techniques are applied to computer technology. Conventionally, programs for executing these methods have incorporated routines that observe the solution process and correct the solution process as necessary to prevent solution failures. In reality, when some kind of problem occurred during an attempt to solve the problem, it was often necessary to resort to symptomatic measures such as improving the program to resolve the problem.
本発明の目的は、求解過程を制御する知識を記憶するメ
モリのエリアが小さく、非線形最適化手法に依存しない
求解失敗防止策を備えた非線形最適化処理方法及び非線
形最適化処理装置を提供することにある。An object of the present invention is to provide a nonlinear optimization processing method and a nonlinear optimization processing device that have a small memory area for storing knowledge for controlling the solution process and have a solution failure prevention method that does not depend on nonlinear optimization methods. It is in.
上記の目的は、（ａ）最適解が探索されるべき問題を、
入力手段によって、プロセッサに入力し、（ｂ）複数の
非線形最適化手法のプログラムを記憶している第１記憶
手段から、前記プロセッサによって、少なくとも１つの
選択された前記非線形最適化手法のプログラムを取り出
し、（ｃ）前記非線形最適化手法のプログラムを制御す
る知識であって全ての前記非線形最適化手法のプログラ
ムに適用可能な複数の共通の知識を、前記非線形最適化
手法のプログラムとは分離して記憶している第２記憶手
段から、前記プロセッサによって、少なくとも１つの前
記共通の知識を取り出し、（ｄ）解を得るために前記問
題に対して選択された前記非線形最適化手法のプログラ
ムを、前記プロセッサによって、適用し、（ｅ）前記共
通知識の少なくとも１つを用い、（ｆ）前記プロセッサ
によって、前記非線形最適化手法のプログラムによる演
算過程を制御し、及び前記解が最適解になるまで（ｃ）
から（ｅ）までのステップを繰り返すことによって達成
できる。The above objective is to: (a) define the problem for which the optimal solution is to be searched;
(b) retrieving, by the processor, at least one selected program for the nonlinear optimization method from a first storage means storing programs for a plurality of nonlinear optimization methods; , (c) separating a plurality of pieces of common knowledge that controls the program of the nonlinear optimization method and is applicable to all the programs of the nonlinear optimization method from the program of the nonlinear optimization method; (d) retrieving at least one of the common knowledge items from the second storage means stored therein by the processor; (e) using at least one of the common knowledge; (f) controlling the programmatic calculation process of the nonlinear optimization method by the processor until the solution becomes an optimal solution; c)
This can be achieved by repeating steps from to (e).
該当する非線形最適化手法のプログラムは複数の非線形
最適化手法のプログラムを記憶する第１記憶手段から取
出し、非線形最適化手法のプログラムを制御する知識で
あって、第１記憶手段に記憶されている全ての非線形最
適化手法のプログラムに適用可能な共通の知識を、非線
形最適化手法のプログラムとは分離して第２記憶手段に
記憶されている複数の共通の知識から取出すので、非線
形最適化手法に依存しない求解失敗防止策を備えた非線
形最適化処理装置を構築でき、非線形最適化処理装置の
開発効率と汎用性を高めることができる。更に、共通の
知識を非線形最適化手法とは分離して記憶しているので
、共通の知識を記憶するメモリのエリアを小さくできる
。The corresponding nonlinear optimization method program is retrieved from a first storage means that stores a plurality of nonlinear optimization method programs, and the knowledge for controlling the nonlinear optimization method program is stored in the first storage means. Since the common knowledge applicable to all nonlinear optimization method programs is extracted from a plurality of common knowledges stored in the second storage means separately from the nonlinear optimization method programs, the nonlinear optimization method It is possible to construct a nonlinear optimization processing device equipped with a solution failure prevention method that does not depend on , and it is possible to improve the development efficiency and versatility of the nonlinear optimization processing device. Furthermore, since the common knowledge is stored separately from the nonlinear optimization method, the memory area for storing the common knowledge can be reduced.
発明者等によって評価されたことは、幾つかのタイプの
知識は、全ての非線形最適化手法に対して一般的であり
、これに対して、その他の知識はある特定の非線形最適
化手法に対して特定されるということである。以下の検
討において、これら２つのタイプの知識をそれぞれに共
通の知識及び局部的な知識という。共通の知識は、該当
の非線形最適化手法自体には依存しないやり方で、非線
形最適化手法による求解の失敗を防止する知識である。It was appreciated by the inventors that some types of knowledge are general to all nonlinear optimization techniques, whereas other types of knowledge are specific to a particular nonlinear optimization technique. This means that it is specified by In the following discussion, these two types of knowledge will be referred to as common knowledge and local knowledge, respectively. Common knowledge is knowledge that prevents solution failures by nonlinear optimization methods in a manner that does not depend on the nonlinear optimization method itself.
これに対して、局部的な知識は、該当の非線形最適化手
法に特定される失敗の問題を解決するように意図されて
いる。Local knowledge, on the other hand, is intended to solve failure problems specific to the nonlinear optimization method in question.
現存の技術では、前述したやり方で分離したタイプの知
識の識別するための試行はされなかった。With existing technology, no attempt has been made to identify separate types of knowledge in the manner described above.
これに代えて、非線形最適化手法のプログラムにおいて
は、−船釣に、問題を解決するために試行錯誤を行い、
いずれの知識が適当であるかを決定するような、経験的
なやり方による考慮がなされていた。系統的なアプロー
チは何も取られていなかった。Instead, in a nonlinear optimization program, - try and error to solve the problem,
Considerations were made in an empirical manner to determine which knowledge was appropriate. No systematic approach was taken.
本発明は、知識が２つのタイプに分けられるという、発
明者による評価の利用をすることが追及され、少なくと
も共通の知識を非線形最適化手法から切り離して、別に
記憶することが提案する。The present invention seeks to make use of the inventor's assessment that knowledge is divided into two types, and proposes that at least common knowledge be separated from nonlinear optimization techniques and stored separately.
そして、ある任意の非線形最適化手法が問題に適用され
るときに、該共通の知識を該当の非線形最適化手法に適
用できる。Then, when an arbitrary nonlinear optimization method is applied to a problem, the common knowledge can be applied to the nonlinear optimization method.
いま、非線形の最適化を必要とする問題があるとする。Suppose we have a problem that requires nonlinear optimization.
ある第１の非線形最適化手法が適当な記憶手段から取り
出され、共通の知識と関連してその問題へ適用される。A first nonlinear optimization technique is retrieved from a suitable storage means and applied to the problem in conjunction with common knowledge.
当該手法で最適解が得られないとき、第２の非線形最適
化手法が記憶手段から取り出されて、該共通の知識と再
び関連して該問題に適用される。ここで認められること
は、共通の知識を全ての非線形最適化手法に共通して用
いることができるために、必要とされるメモリの量が減
少するということである。既知のシステムにおいて、共
通の知識と非線形最適化手法とが互いに抜は出せないよ
うにリンクされており、該共通の知識は有効に繰り返し
て記憶される。即ち、該当の手法と同じ回数だけ繰り返
して記憶される。When the method does not yield an optimal solution, a second nonlinear optimization method is retrieved from the storage means and applied to the problem again in conjunction with the common knowledge. What is recognized here is that the amount of memory required is reduced because common knowledge can be used commonly for all nonlinear optimization techniques. In known systems, common knowledge and nonlinear optimization techniques are inextricably linked to each other, and the common knowledge is effectively stored repeatedly. That is, the method is repeated and stored the same number of times as the corresponding method.
より好適には、本発明は更にこれよりも先行して、局部
的な知識も、記憶された非線形最適化手法から切り離す
ことが提案される。そして、該手法がある問題に適用さ
れるときには、当該特定の手法に関する局部的な知識だ
けを記憶手段から取り出すことが必要とされる。ここで
注意されるべきことは、ある特定の手法のための局部的
な知識には、ある技術が当該手法のために知られている
ときには、複数の分離した該技術を含ませることができ
ることであり、勿論、局部的な知識にはある所定の手法
に対して１つだけの技術を含ませることが可能であり、
また、ある手法に対して局部的な知識が存在しないよう
にして、該手法がある問題に適用されたときに、該当の
共通の知識だけを用いるようにすることができる。More preferably, the invention further goes beyond this by proposing that local knowledge is also decoupled from the stored nonlinear optimization techniques. Then, when the method is applied to a problem, it is necessary to retrieve only local knowledge regarding the particular method from the storage means. It should be noted here that local knowledge for a particular technique can include multiple separate techniques when the technique is known for that technique. Yes, of course, local knowledge can include only one technique for a given technique;
Further, it is possible to prevent local knowledge from existing for a certain method, so that when the method is applied to a certain problem, only the corresponding common knowledge is used.
先に述べたように１本発明は、非線形最適化処理の方法
を実行する装置にも関係するものである。As mentioned above, one aspect of the present invention also relates to an apparatus for performing a method of nonlinear optimization processing.
このために、このような装置には、非線形最適化手法、
共通の知識、及び、局部的な知識のための、別個の記憶
部が備えられている。勿論、物理的な事項については、
それらの記憶部は共通のメモリにおけるメモリ・エリア
にするだけでよいが、その重要な特徴は非線形最適化手
法と知識とが切り離されることであって、このために、
必要とする知識だけを取り出すことが可能にされる。For this purpose, such devices include nonlinear optimization techniques,
Separate stores are provided for common knowledge and local knowledge. Of course, regarding physical matters,
Their storage need only be a memory area in a common memory, but the important feature is that the nonlinear optimization method and the knowledge are separated;
This allows you to extract only the knowledge you need.
この発明の利点は非線形のプログラミングの効率性を改
善することにあり、また、最適化処理のプログラムの実
行能力を改善することにある。An advantage of the present invention is that it improves the efficiency of nonlinear programming and also improves the execution ability of optimization processing programs.
まず、第１図を参照して、本発明の一実施例である非線
形最適化処理装置で実行される処理の一般的な原理につ
いて説明する。この非線形最適化処理装置は、コンピュ
ータを用いて構成される。First, with reference to FIG. 1, the general principle of processing executed by a nonlinear optimization processing device that is an embodiment of the present invention will be described. This nonlinear optimization processing device is configured using a computer.
最初に、ステップ１００においては、複数個（Ｎ個）の
非線形最適化手法が後述の外部記憶装置９１に記憶され
る。−船釣にいえば、これらの手法は既知の手法でよい
が、知識はこれらの手法と一緒には記憶されていないこ
とに注意すべきである。ステップ１０１において、記憶
されている全ての非線形最適化手法に共通する共通の知
識が後述の外部記憶装置８３に記憶される。また、ステ
ップ１０２において局部的な知識が、Ｎ個の非線形最適
化手法のある特定の一つに対応して、局部的な知識の各
々の技術と一緒に外部記憶装置８３に記憶される。局部
的な知識は、個々の非線形最適化手法に対して特定され
るものである。ここで評価できることは、ステップ１０
０，１０１゜１０２が、本実施例のコンピュータシステ
ムのための設定動作の一部として実行できるということ
である。ステップ１００〜１０２の処理は、必要な情報
を最初に非線形最適化処理装置に記憶させるときにだけ
実行されるものである。すなわち、ステップ１００〜１
０２は、非線形最適化処理装置を構築するときに実行さ
れる。構築された非線形最適化処理装置を用いて非線形
最適化問題を解く場合は、ステップ１０３〜１１０の処
理が実行される。First, in step 100, a plurality of (N) nonlinear optimization methods are stored in an external storage device 91, which will be described later. - In terms of boat fishing, these techniques may be known techniques, but it should be noted that knowledge is not stored together with these techniques. In step 101, common knowledge common to all stored nonlinear optimization methods is stored in an external storage device 83, which will be described later. Also, in step 102, local knowledge is stored in external storage 83 along with each technique of the local knowledge, corresponding to a particular one of the N nonlinear optimization techniques. Local knowledge is specific to each nonlinear optimization method. What can be evaluated here is step 10
0.101°102 can be performed as part of the configuration operations for the computer system of this embodiment. The processing in steps 100 to 102 is executed only when necessary information is first stored in the nonlinear optimization processing device. That is, steps 100-1
02 is executed when constructing a nonlinear optimization processing device. When solving a nonlinear optimization problem using the constructed nonlinear optimization processing device, steps 103 to 110 are executed.
引続き、ステップ１０３においては、非線形最適化処理
に必要な問題が入力される。この問題は、技術的または
産業的なプロセスもしくは装置の制御、または、技術的
または産業的な装置の設計に関するものである。しかし
、本発明は、これらのいずれか一つに限定されるもので
はない。カウント数ｎを与える適切なカウンタが、その
出発点を設定する１に設定される（ステップ１０４）。Subsequently, in step 103, a problem necessary for nonlinear optimization processing is input. The problem concerns the control of technical or industrial processes or equipment, or the design of technical or industrial equipment. However, the present invention is not limited to any one of these. An appropriate counter giving a count number n is set to 1 to set its starting point (step 104).
そして、ステップ１０５においては、設定された数ｎに
対応する非線形最適化手法Ｎ（ただしＮ＝ｎ）、即ち、
現段階では第１の手法が取り出され、ステップ１０６に
おいては、共通の知識が、また、ステップ１０７におい
ては、手法Ｎに対応する局部的な知識が取り出される。Then, in step 105, a nonlinear optimization method N (where N=n) corresponding to the set number n, that is,
At this stage, the first method is retrieved, in step 106 the common knowledge is retrieved, and in step 107 the local knowledge corresponding to method N is retrieved.
その後、ステップ１０８において、手法Ｎ（即ち、現段
階では前述の第１の手法）が該当の問題に対して適用さ
れ、求解が実行される。この手法Ｎの適用による求解過
程の各段階の処理結果が、制御処理部１２に伝えられる
。ステップ１０９において、該手法Ｎが最適解を得るか
否かの判定が行われる。もし最適解が得られるときには
、その処理を停止することができる。しかしながら、そ
うでないときには、処理はステップ１１０に移行してｎ
が１だけ増大され、該処理はステップ１０５に戻って更
に別の手法、即ち、この段階では第２の手法を取り出す
。ある最適解に到達したことがステップ１０９で判定さ
れるまで、ステップ１０５〜１１０が各手法に対して繰
り返される。ステップ１０９の判定に必要な情報は、後
述するように制御処理部１２から変更指令として与えら
れる。Thereafter, in step 108, method N (that is, the first method described above at this stage) is applied to the problem to solve the problem. The processing results of each stage of the solution process by applying this method N are transmitted to the control processing section 12. In step 109, it is determined whether the method N yields the optimal solution. If the optimal solution is obtained, the process can be stopped. However, if this is not the case, processing moves to step 110 to
is incremented by 1, and the process returns to step 105 to retrieve yet another technique, ie, the second technique at this stage. Steps 105-110 are repeated for each technique until it is determined in step 109 that some optimal solution has been reached. The information necessary for the determination in step 109 is given as a change command from the control processing unit 12, as will be described later.
勿論、記憶されるべき非線形最適化手法および知識を知
っておくことは必要である。先に述べたように、多くの
非線形最適化手法が知られており、その例が表１に挙げ
られている。Of course, it is necessary to know the nonlinear optimization techniques and knowledge to be memorized. As mentioned above, many nonlinear optimization techniques are known, examples of which are listed in Table 1.
１、ラインに沿う最適化処理の方法
（１）同時式および非最適化式のシーケンスシャルな探
索方法
（２）フイボナツチ（Ｆｉｂｏｎａｃｃｉ）探索（３）
ゴールデン・セクション（Ｇｏｌｄｅｎ ５ｅｃｔｉｏ
ｎ）探索
（４）低次の多項式近似による探索
（５）多変数の方法による単一変数の探索（６）非最適
化ステップによる方法
２、直接探索法
（１）パターン探索法
（２）回転座標法
（３）修正回転座標法
（４）シンプレックス法
（５）ランダム法
（６）逐次二次計画法
３、下降技術
（１）１次勾配（最鋭の下降）技術
（２）２次勾配にュートン）技術
（３）共役方向技術
（４）−膜化した共役勾配法
（５）可変計量法
４、変換法
（１）内部点変換とその伸長
（２）修正内部点変換
（３）最小二乗法による変換
５、限定的な問題のための方法
（１）コンプレックス法
（２）平面切断法
（３）近似プログラミング法（ＭＡＰ）（４）可能な方
向の方法
（５）修正した可能な方向の方法
（６）勾配投影法
（７）減少勾配法
なお、共通の知識の例は表２に挙げられている。1. Optimization processing method along the line (1) Sequential search method for simultaneous and non-optimizing formulas (2) Fibonacci search (3)
Golden Section (Golden 5ectio
n) Search (4) Search by low-order polynomial approximation (5) Single variable search by multivariable method (6) Method 2 with non-optimization step, direct search method (1) Pattern search method (2) Rotation Coordinate method (3) Modified rotating coordinate method (4) Simplex method (5) Random method (6) Sequential quadratic programming 3, descent technique (1) First-order gradient (the sharpest descent) technique (2) Quadratic gradient Newton) technique (3) Conjugate direction technique (4) - Membrane conjugate gradient method (5) Variable metric method 4, transformation method (1) Interior point transformation and its extension (2) Modified interior point transformation (3) Minimum Transformation by square law 5, Method for limited problems (1) Complex method (2) Plane cutting method (3) Approximate programming method (MAP) (4) Method of possible directions (5) Modified possible directions (6) Gradient projection method (7) Decreasing gradient method Note that examples of common knowledge are listed in Table 2.
共通の知識は、（ＩＦ〜、ＴＨＥＮ〜）のプロダクショ
ンタイプのルールである。Common knowledge is the (IF~, THEN~) production type rule.
更に、局部的な知識の例は知られている。例えば、逐次
二次計画法に関する知識は、Ｎｕｍｅｒ、Ｍａｔｈ、
ｖｏｌ、３８．ｐａｇｅｓ ８３−１１４ （１９８１
）において、ケイ・シトコラスキ（Ｋ、Ｓｃｈｔｔｋｏ
ｗｓｋｉ）により、″増加するラグランジアン・タイプ
のライブな探索関数による、ウィルソン、ハンおよびパ
ラエルの非線形プログラミング法（Ｔｈｅ Ｎｏｎｌｉ
ｎｅａｒＰｒｏｇｒａｍｍｉｎｇ Ｍｅｔｈｏｄ ｏｆ
Ｗｉｌｓｏｎ、Ｈａｎｎ ａｎｄ Ｐｏｖｅｌｌｔｉ
ｉｔｈ ａｎ Ａｕｇｍｅｎｔｅｄ Ｌｅｇｒａｎｇｉ
ａｎ Ｔｙｐｅ ＬｉｖｅＳｅａｒｃｈＦｕｎｃｔｉｏ
ｎ）”なる論文によって提案されている。Furthermore, examples of local knowledge are known. For example, knowledge about sequential quadratic programming includes Number, Math,
vol, 38. pages 83-114 (1981
), Kay Schtkolaski (K, Schttko
``The Nonlinear Programming Method of Wilson, Hann, and Parael with Increasing Lagrangian-type Live Search Functions'' by
nearProgramming Method of
Wilson, Hann and Povellti
ith an Augmented Legrangi
an Type LiveSearchFunction
n)”.
しかしながら、リスタートと呼ばれるこの特定の方法は
、非線形最適化計算における、数値誤差の累積による、
ラグランシュ関係の二次係数行列のコルスキー分解失敗
という逐次二次計画法固有の問題だけに適用可能なもの
であった。すなわち、局部的な知識は、非線形最適化手
法に依存する求解過程の制御法に関する知識である。こ
の局部的な知識は、非線形最適化手法毎に定まっている
。However, this particular method, called restart, is a problem due to the accumulation of numerical errors in nonlinear optimization calculations.
It was applicable only to the problem specific to sequential quadratic programming, which is the failure of the Colsky decomposition of a quadratic coefficient matrix in the Lagranche relationship. That is, the local knowledge is knowledge about how to control the solution process that depends on nonlinear optimization techniques. This local knowledge is determined for each nonlinear optimization method.
局部的な知識について他の例は表３に挙げられる。Other examples for local knowledge are listed in Table 3.
表３ 非線形最適化手法に依存した制御知識凋剖的な短
□の側温１図に示されるような非線形最適化処理手順を
実行するための、コンピュータ装置の一般的な構成は、
第２図に概略的に示される。入力データである問題は、
非線形最適化処理部１１に入力される。非線形最適化処
理部は第１図の手順を実行し、当該データを非線形最適
化手法に適用するようにされる。換言すれば、非線形最
適化処理部１１は、現在の探索点を入力として、予め与
えられた非線形最適化手法に従って、探索点を更新しな
から求解処理を実行する。Table 3 Control Knowledge Dependent on Nonlinear Optimization Techniques A typical configuration of a computer device for executing the nonlinear optimization procedure shown in Figure 1 is as follows:
It is shown schematically in FIG. The problem is that the input data is
The signal is input to the nonlinear optimization processing section 11. The nonlinear optimization processing unit executes the procedure shown in FIG. 1 and applies the data to the nonlinear optimization method. In other words, the nonlinear optimization processing unit 11 receives the current search point as input and executes the solution processing without updating the search point according to a nonlinear optimization method given in advance.
制御処理部１２は１、非線形最適化処理部１１で実行さ
れている非線形最適化手法を用いた求解過程を検証し、
制御するものである。このため、非線形最適化処理部１
１で得られた求解過程の処理結果を入力する。制御処理
部１２で用いられる共通の知識は５表２に示すように、
例えば、探索点が収束していないにも拘わらず、探索点
が停止する、また探索点の更新状態が無限ループになる
というような、全ての非線形最適化手法において起り得
る求解失敗を解消するための知識である。The control processing unit 12 verifies the solution process using the nonlinear optimization method executed by the nonlinear optimization processing unit 11;
It is something to control. For this reason, the nonlinear optimization processing unit 1
Input the processing results of the solution process obtained in step 1. The common knowledge used in the control processing unit 12 is 5, as shown in Table 2.
For example, in order to eliminate solution failures that can occur in all nonlinear optimization methods, such as the search point stopping even though the search point has not converged, or the update state of the search point becoming an infinite loop. knowledge.
共通の知識のＴＨＥＮ部（実行部）は、非線形最適化処
理部１１で実行されている求解過程を制御する制御指令
を示し、制御知識１を除いて大部分は求解失敗を防止す
るための制御指令である。共通の知識のＩＦ部（実行部
）は、求解過程の状態を示すもので、制御知識１を除い
た大部分は求解失敗の条件を示している。その制御指令
は、非線形最適化処理部１１に伝えられる。非線形最適
化処理部１１は、その制御指令に基づいて、適用してい
る非線形最適化手法による求解過程を制御する。そして
、該当の非線形最適化手法によっである満足な解が得ら
れない場合には、制御処理部１２は、非線形最適化処理
部１１に対して、現在用いている非線形最適化手法を他
の手法に変更する変更指令を出す。この変更指令も、前
述の制御指令の一種であって、共通の知識の１つに規定
されている。The THEN part (execution part) of the common knowledge indicates a control command for controlling the solution process being executed in the nonlinear optimization processing unit 11, and except for control knowledge 1, most of the common knowledge is a control command for preventing solution failure. It is a command. The IF section (execution section) of the common knowledge indicates the state of the solution finding process, and most of the common knowledge, except for control knowledge 1, indicates the conditions for failure in the solution finding. The control command is transmitted to the nonlinear optimization processing section 11. The nonlinear optimization processing unit 11 controls the solution process by the applied nonlinear optimization method based on the control command. If a certain satisfactory solution cannot be obtained by the corresponding nonlinear optimization method, the control processing unit 12 instructs the nonlinear optimization processing unit 11 to replace the currently used nonlinear optimization method with another one. Issue a change order to change the method. This change command is also a type of the above-mentioned control command, and is defined as one of common knowledge.
第２図には、２個の外部記憶装置８３．９１を示す。外
部記憶装置８３には共通の知ｍ＜ルール）が記憶されて
いる。非線形最適化処理部１１で適用されている処理手
順の制御に用いるために、その知識が制御処理部１２に
伝えられる。他方の外部記憶装置９１は局部的な知識（
ルール）を記憶している、この局部的な知識は適用され
ている処理手順に特有のものであるために、非線形最適
化処理部１１に直接与えられる。非線形処理部１１にお
いて解くべき問題のタイプに応じて用意される複数の非
線形最適化手法は、外部記憶装置９１に記憶される。該
当の処理手順は、それぞれに、プログラムに対してデー
タが加えられている知識をもって、コンピュータシステ
ムに特有のプログラムによって表される。これらのプロ
グラムは、これらのプログラムに適用されるデータであ
る局部的な知識を有する。そして、例えば第１図の処理
手順によるプログラムの選択は制御プログラムによって
制御される。FIG. 2 shows two external storage devices 83 and 91. The external storage device 83 stores common knowledge m<rule. The knowledge is transmitted to the control processing section 12 for use in controlling the processing procedure applied by the nonlinear optimization processing section 11. The other external storage device 91 stores local knowledge (
This local knowledge, which stores the rules), is specific to the processing procedure being applied and is therefore provided directly to the nonlinear optimization processing unit 11. A plurality of nonlinear optimization methods prepared according to the type of problem to be solved by the nonlinear processing unit 11 are stored in the external storage device 91. Each relevant processing procedure is represented by a program specific to the computer system, with the knowledge that data is added to the program. These programs have local knowledge, which is data that applies to these programs. For example, selection of programs according to the processing procedure shown in FIG. 1 is controlled by a control program.
第３図は、第２図におけるコンピュータ装置の具体例を
示す。第２図と第３図において、同一符号が同一部分を
示す。非線形最適化問題、および探索出発点の入力は、
入力装置１３から行われる。FIG. 3 shows a specific example of the computer device in FIG. 2. In FIG. 2 and FIG. 3, the same reference numerals indicate the same parts. The input of the nonlinear optimization problem and the starting point of the search is
This is done from the input device 13.
入力されたこれらの情報は入力部１４を介して中間デー
タ記憶部１６に伝えられる。そして、必要に応じて、こ
こから永久メモリ（図示されない）に対して送られる。These inputted information are transmitted to the intermediate data storage section 16 via the input section 14. From there, it is sent to permanent memory (not shown), if necessary.
外部記憶装置９１に記憶されている非線形最適化手法も
（プログラムの形）も、任意の時点において、ある特定
の問題への適用のために、選択的に外部記憶装置９１か
ら取出され中間データ記憶部１６に記憶される。非線形
最適化処理部１１および制御処理部１２は、演算部（ｃ
ＰＵ）１５の制御の下に、前述された機能を遂行する。Both the nonlinear optimization method (in the form of a program) stored in the external storage device 91 can be selectively retrieved from the external storage device 91 at any given time for application to a specific problem, and stored as intermediate data. The information is stored in the section 16. The nonlinear optimization processing section 11 and the control processing section 12 include a calculation section (c
Under the control of PU) 15, it performs the functions described above.
非線形最適化処理部１１、制御処理部１２及び演算部１
５は、プロセッサである。所望により、解を表す情報が
画像出力部１７から表示制御装置１８に出力される。こ
の情報は表示装置（ｃＲＴまではＶＤＣ）１９、必要に
応じてプリンタ（図示せず）に出力される。本発明が計
算機支援設計装置に適用されるときには、このような表
示袋ｆｆ１ｉ１９の表示が有効である。その出力された
解を表わす情報は、産業上のまたは技術上のプロセスを
制御するために用いることもできる。Nonlinear optimization processing section 11, control processing section 12, and calculation section 1
5 is a processor. If desired, information representing the solution is output from the image output section 17 to the display control device 18. This information is output to a display device (VDC up to cRT) 19 and, if necessary, a printer (not shown). When the present invention is applied to a computer-aided design device, displaying the display bag ff1i19 as described above is effective. The information representing the output solution can also be used to control industrial or technological processes.
次に、第４図ないし第８図を参照して、共通の知識およ
び局部的な知識を用いることによる、つの特定な非線形
最適化処理方法について説明する。Next, two specific nonlinear optimization processing methods using common knowledge and local knowledge will be described with reference to FIGS. 4 to 8.
第４図は、本実施例による非線形最適化方法において用
いられる求解過程を制御する手順であり、制御処理部１
２で実行される。この制御手順は、制御処理部１２に記
憶されている。FIG. 4 shows a procedure for controlling the solution process used in the nonlinear optimization method according to this embodiment, and shows
It is executed in 2. This control procedure is stored in the control processing section 12.
求解過程を検証するに際して、ステップ２１の処理の前
に、制御処理部１２は、非線形最適化処理部１１で得ら
れた求解過程の処理結果を入力する。When verifying the solution process, the control processing section 12 inputs the processing result of the solution process obtained by the nonlinear optimization processing section 11 before the process of step 21.
ステップ２１では、求解過程の制御法に関する知識（共
通の知識）が、外部記憶装置８３から探索され、その後
、入力部８２から入力されて中間データ記憶部１６に記
憶される。In step 21 , knowledge (common knowledge) regarding the control method of the solution-finding process is searched from the external storage device 83 , and then inputted from the input section 82 and stored in the intermediate data storage section 16 .
第５図には、共通な知識の一例が示されている。FIG. 5 shows an example of common knowledge.
即ち１本実施例で用いられる非線形最適化手法に依存し
ない求解過程の制御法に関する知識が示されている。本
実施例において、当該知識は、条件部および実行部を有
するルールとして与えられている。第５図に示す知識は
、表２に示す知識に該当する。In other words, knowledge regarding a control method for the solution process that does not depend on the nonlinear optimization method used in this embodiment is shown. In this embodiment, the knowledge is given as a rule having a condition part and an execution part. The knowledge shown in FIG. 5 corresponds to the knowledge shown in Table 2.
ステップ２２において、オペレータにて指定された探索
出発点の座標が入力装置１３から入力されて、中間デー
タ記憶部１６に記憶される。In step 22, the coordinates of the search starting point specified by the operator are input from the input device 13 and stored in the intermediate data storage section 16.
ステップ２３では、現在の探索点に関する情報が中間デ
ータ記憶部１６に記憶される。この探索点に関する情報
は、非線形最適化処理部１１から入力されるものであっ
て、非線形最適化処理部１１で実行されたステップ１０
８の処理結果である。第６図は、該探索点に関する情報
が例示されている。ここで例示されているように、該探
索点に関する情報は、探索点の座標、該探索点における
目的関数の値、および、該目的関数の傾きである。そし
て、これらの項目はそれぞれに探索点の番号と対応付け
て記憶されている。In step 23, information regarding the current search point is stored in the intermediate data storage section 16. The information regarding this search point is input from the nonlinear optimization processing unit 11, and is
This is the processing result of step 8. FIG. 6 illustrates information regarding the search point. As illustrated here, the information regarding the search point is the coordinates of the search point, the value of the objective function at the search point, and the slope of the objective function. These items are stored in association with respective search point numbers.
ステップ２４では、共通の知識を用い、中間データ記憶
部１６に記憶されている第６図の探索点の更新過程に関
する情報に基づいて、求解過程の検証が行なわれる。こ
の求解過程の検証は、求解の失敗を防止するために、共
通の知識を用いて行なわれる。求解の失敗の恐れがある
場合、共通の知識による求解設定の制御が行われる。In step 24, the solution process is verified using common knowledge and based on the information regarding the search point updating process shown in FIG. 6, which is stored in the intermediate data storage section 16. Verification of this solution-finding process is performed using common knowledge in order to prevent solution-finding failures. If there is a risk of solution failure, solution settings are controlled using common knowledge.
第７図は、求解過程検証の処理手順を示す。この処理手
順は、ステップ２４を詳細に示したものである。この求
解過程検証の処理手順において、探索点に関する情報を
用いて第５図に示されるルールの条件部が逐次評価され
る。探索点に関する情報が該条件部に規定する要件を満
したとき、すなわち該条件部が成立したとき、その条件
部を有するルールの実行部を実行する。FIG. 7 shows the processing procedure for verifying the solution process. This processing procedure shows step 24 in detail. In this solution process verification processing procedure, the condition part of the rule shown in FIG. 5 is sequentially evaluated using information regarding the search points. When the information regarding the search point satisfies the requirements specified in the condition part, that is, when the condition part is satisfied, the execution part of the rule having the condition part is executed.
まず、ステップ５１において、求解過程の検証が、ｉ＝
１として開始される。ステップ５２では、ｉ番目のルー
ルの条件部が中間データ記憶部１６から取り出されて、
Ｃｉとしてセットされる。ステップ５３では、この条件
部Ｃｉが評価され、探索点に関する情報に対して該条件
部が成立したとき、ステップ５４の処理に移行する０条
件部Ｃｉが成立したことは、求解過程に異常があり求解
に失敗することを意味する。ステップ５４においては、
ｉ番目のルールの実行部が実行される０条件部が成立し
たルールが表２の制御知識３の場合には、実行部に規定
する制御指令、すなわち、探索点位置を移動する制御指
令が、非線形最適化処理部１１に伝えられる。この処理
部１１は、今まで用いていた非線形最適化手法に探索点
を変えて求解を実行する。ただし、ステップ５３におい
て条件部Ｃｉが成立しないときには、ステップ５４がス
キップされて、ステップ５５の処理に移る０条件部Ｃｉ
が成立しないことは、求解過程が正常であり求解ら成功
することを意味する。ステップ５５は、ｉを（ｉ＋１）
に変える。ステップ５６において、番号が１つだけ増加
したものに対応するルールが存在するか否かについての
判定がなされる。そのようなルールが存在するときには
、ステップ５２から後の手順が繰返し実行される。これ
に対して、そのようなルールが存在しないときには、求
解過程検証の処理手順の実行が終了する。First, in step 51, the verification of the solution process is performed such that i=
1. In step 52, the condition part of the i-th rule is retrieved from the intermediate data storage unit 16, and
Set as Ci. In step 53, this condition part Ci is evaluated, and when the condition part is satisfied for the information regarding the search point, the fact that the 0 condition part Ci is satisfied, which causes the process to proceed to step 54, means that there is an abnormality in the solution process. It means that the solution fails. In step 54,
If the rule for which the 0 condition part for which the execution part of the i-th rule is executed is control knowledge 3 in Table 2, the control command specified for the execution part, that is, the control command to move the search point position, is The information is transmitted to the nonlinear optimization processing unit 11. This processing unit 11 executes the solution by changing the search points to the nonlinear optimization method that has been used so far. However, if the condition part Ci is not satisfied in step 53, step 54 is skipped and the process moves to step 55.
If this does not hold, it means that the solution process is normal and the solution is successful. Step 55 converts i to (i+1)
Change to In step 56, a determination is made as to whether a rule exists that corresponds to a number incremented by one. If such a rule exists, the procedure from step 52 onwards is repeated. On the other hand, if such a rule does not exist, the execution of the solution process verification procedure ends.
ステップ５４から引かれている破線は、ステップ５４の
処理で、ルールの実行部がステップ２４における検証手
順の終了を指示するときの、処理の流れを示すものであ
る。A broken line drawn from step 54 shows the flow of processing when the rule execution unit instructs the end of the verification procedure in step 24 in step 54.
成立した条件部Ｃｉを有する共通の知！１！（非線形最
適化手法に依存しない求解過程の制御法に関する知識）
の実行部が、非線形最適化手法の変更になっている場合
は、ステップ５４においてその変更指令が出力される。Common knowledge that has a satisfied condition part Ci! 1! (Knowledge of control methods for the solution process that do not depend on nonlinear optimization methods)
If the execution unit changes the nonlinear optimization method, the change command is output in step 54.
この変更指令は、制御指令の１つである。この段階に到
達したときには、問題に対して適用されている非線形最
適化手法では、最適の解に達することはないということ
が確かめられたことになる。最適化手法の変更指令は、
制御処理部１２から非線形最適化処理部１１に伝えられ
る。この変更指令を受けた非線形最適化処理部１１は、
ステップ１ｏ９（第１図）において。This change command is one of the control commands. When this stage is reached, it has been confirmed that the nonlinear optimization method applied to the problem will not lead to an optimal solution. The optimization method change command is
It is transmitted from the control processing section 12 to the nonlinear optimization processing section 11. The nonlinear optimization processing unit 11 that received this change command,
In step 1o9 (Figure 1).
現在適用している非線形最適化手法では最適解が得られ
ないと判定し、ステップ１１０の処理を実行し、ステッ
プ１０５以下の処理を繰返す。It is determined that an optimal solution cannot be obtained with the currently applied non-linear optimization method, the process of step 110 is executed, and the processes from step 105 onwards are repeated.
ここで第５図に戻り、ステップ２４の処理終了後、ステ
ップ２５の処理が行われる。すなわち、ステップ２５は
、非線形最適化処理部１１で実行されている非線形最適
化処理手法に含まれる収束判定部分のプログラムを入力
し、このプログラムに従って、探索点の更新を行ない、
該探索点が収束したか否かの判定を行う。Returning to FIG. 5, after the process in step 24 is completed, the process in step 25 is performed. That is, in step 25, the program for the convergence determination part included in the nonlinear optimization processing method being executed by the nonlinear optimization processing unit 11 is input, and the search points are updated according to this program.
It is determined whether the search point has converged.
ここで用いられる探索点の収束判定部分を含む非線形最
適化手法は、該探索点を逐次更新できるものであれば、
いずれの他の手法でもよい、このような非線形最適化手
法としては、現在の探索点から目的関数の最急下降方向
に沿って直線探索を行い、得られた最適点を次の探索点
とする方法、現在の探索点において目的関数を二次近似
し制約関数を一次近似した二次計画問題を解いて最適点
の座標を推定する方法、または、現在の探索点の近傍に
ランダムに十分多くの点を成生じ、これらの点の中から
目的関数に最適の点を次の探索点とする方法等が代表的
なものである。The nonlinear optimization method including the convergence determination part of the search points used here can be used as long as the search points can be updated sequentially.
Such a nonlinear optimization method, which may be any other method, involves performing a straight line search from the current search point along the direction of steepest descent of the objective function, and setting the obtained optimal point as the next search point. method, a method of estimating the coordinates of the optimal point by solving a quadratic programming problem in which the objective function is quadratic approximated and the constraint function is linearly approximated at the current search point, or A typical method is to generate points and select the point that is optimal for the objective function from among these points as the next search point.
第８図は、非線形最適化処理部１１で求解に用いられる
ある非線形最適化手法の探索点収束判定部分の簡単な処
理手順を示す。この処理手順が、前述のように制御処理
部１２で実行されるステップ２５の処理に用いられる。FIG. 8 shows a simple processing procedure of the search point convergence determination portion of a certain nonlinear optimization method used for solution solving in the nonlinear optimization processing unit 11. This processing procedure is used for the processing of step 25 executed by the control processing section 12 as described above.
第８図の処理手順はステップ６１〜６５を有する。まず
、ステップ６１の処理が実行される。該手順のステップ
６１では、現在の探索点における目的関数の傾きが求め
られ、得られた傾きをｆとする。第８図の手順において
、ｆは探索点の収束を判定するための基準として考えら
れる。ステップ６２においては、収束条件１ｆ＋＜１０
″″番が満たされた場合に、探索点が最適点に収束した
と判定し１問題に対する求解処理を終了する。ステップ
６３は、ｆが正の値か負の値かの判定を行う、ｆが正の
場合はステップ６４の処理が、ｆが負の場合にはステッ
プ６５の処理がそれぞれ行なわれる。The processing procedure in FIG. 8 includes steps 61-65. First, the process of step 61 is executed. In step 61 of the procedure, the slope of the objective function at the current search point is determined, and the obtained slope is set as f. In the procedure of FIG. 8, f is considered as a criterion for determining convergence of search points. In step 62, the convergence condition 1f+<10
If the number ``'' is satisfied, it is determined that the search points have converged to the optimal point, and the solution processing for one problem is ended. Step 63 determines whether f is a positive value or a negative value. If f is positive, step 64 is performed, and if f is negative, step 65 is performed.
ステップ６４においては、探索点の座標を０．１だけ減
少させて探索点を更新する。また、ステップ６５では、
探索点の座標を０．１ だけ増大させて探索点を更新す
る。その後、ステップ２３〜２５の処理が繰返される。In step 64, the search point is updated by decreasing the coordinates of the search point by 0.1. Also, in step 65,
The search point is updated by increasing the coordinates of the search point by 0.1. Thereafter, the processes of steps 23 to 25 are repeated.
このような処理は、第８図の処理手順が非線形最適化処
理部１１で実行されている非線形最適化手法に含まれて
いるので、非線形最適化処理部１１でも実行される。す
なわち、非線形最適化処理部１１でも、新しい探索点が
求められる。非線形最適化処理部１１は、その新しい探
索点に基づいたステップ１０８の処理を実行する。ステ
ップ６２で収束条件が満されたとき、制御処理部１２は
、非線形最適化処理部１１に対して非線形最適手法によ
る演算を中止させる制御指令を出力する。ステップ２５
で探索点が更新される場合は、制御処理部１２が非線形
最適化処理部１１に対して演算継続の制御指令を出力し
ていることと同じである。Such processing is also executed by the nonlinear optimization processing section 11, since the processing procedure shown in FIG. 8 is included in the nonlinear optimization method executed by the nonlinear optimization processing section 11. That is, the nonlinear optimization processing unit 11 also obtains new search points. The nonlinear optimization processing unit 11 executes the process of step 108 based on the new search point. When the convergence condition is satisfied in step 62, the control processing unit 12 outputs a control command to the nonlinear optimization processing unit 11 to stop the calculation by the nonlinear optimization method. Step 25
When the search point is updated in , it is the same as the control processing unit 12 outputting a control command to the nonlinear optimization processing unit 11 to continue the calculation.
第４図のステップ２６は、ステップ２５において探索点
が最適点に収束したと判定したときの、最適点の座標お
よび目的関数の値などの非線形最適化処理の計算結果を
出力する終了処理である。Step 26 in FIG. 4 is a termination process that outputs the calculation results of the nonlinear optimization process, such as the coordinates of the optimal point and the value of the objective function, when it is determined in step 25 that the search point has converged to the optimal point. .
ここで、簡単な非線形最適化問題を用いて、本実施例を
更に具体的に説明する。この説明に用いる非線形最適化
問題は次の通りのものである。Here, this example will be explained in more detail using a simple nonlinear optimization problem. The nonlinear optimization problem used in this explanation is as follows.
最小化 ｆ （ｘ）＝（ｘ −１）’
制約条件なし
ここで、ｉ番目の探索点をｘｌで表し、探索出発点をＸ
ｌとする。Minimization f (x) = (x - 1)' No constraints Here, the i-th search point is represented by xl, and the search starting point is
Let it be l.
ステップ２１においては、第５図に示す求解過程を制御
するルールが、入力装置１３から、第２図に示されるよ
うに、中間データ記憶部１６に格納される。ステップ２
２により、探索出発点を形成するための中間データとし
て、Ｘ１＝０．６４が入力されたとする。ステップ２３
では、非線形最適化処理部１１から出力された現在の探
索点の座標（０，４６）、目的関数の値（８，５Ｘ １
０″″２）、および、この目的関数の傾き（−６，２Ｘ
１０″″４）を入力し、探索点番号と対応付けてこれら
の情報を中間データ記憶部１６に記憶する。In step 21, rules for controlling the solution process shown in FIG. 5 are stored from the input device 13 into the intermediate data storage section 16 as shown in FIG. Step 2
2, it is assumed that X1=0.64 is input as intermediate data for forming a search starting point. Step 23
Now, the coordinates (0,46) of the current search point output from the nonlinear optimization processing unit 11 and the value of the objective function (8,5X 1
0″″2) and the slope of this objective function (−6, 2X
10''''4) is input, and this information is stored in the intermediate data storage unit 16 in association with the search point number.
ステップ２４では、第７図に示された処理手順に基づい
て、非線形最適化処理部１１で実行された求解過程を検
証するようにされる。すなわち、ステップ５１ではｉ＝
１とし、ステップ５２では１番目のルールの条件部が中
間データ記憶部１６から呼び出される。そして、ステッ
プ５３ではこの条件部を評価する。この１番目のルール
の条件部は、上記求解過程において、「過去に現在の探
索点と同じ座標をとる探索点が存在したか。」を調べる
ものである。この条件部は探索出発点ｘ１では成立しな
い。同様に２番目、３番目のルールの条件部が取り出さ
れて、これらの条件部に基づいて上記求解過程の評価が
繰り返される。探索出発点ｘ１においては、全てのルー
ル（共通な知識）の条件部が満足されず、全てのルール
の実行部が実行されなかったものとする。In step 24, the solution process executed by the nonlinear optimization processing section 11 is verified based on the processing procedure shown in FIG. That is, in step 51, i=
1, and in step 52, the condition part of the first rule is called from the intermediate data storage section 16. Then, in step 53, this condition part is evaluated. The condition part of the first rule checks whether there was a search point in the past that had the same coordinates as the current search point in the solution process. This conditional part does not hold at the search starting point x1. Similarly, the condition parts of the second and third rules are taken out, and the evaluation of the solution-finding process is repeated based on these condition parts. At the search starting point x1, it is assumed that the condition parts of all the rules (common knowledge) are not satisfied and the execution parts of all the rules are not executed.
次に、ステップ２５においては、第８図に示された処理
手順に従って、探索点の更新と収束判定が行われる。探
索出発点ｘｔにおいては、ｆが−６，２Ｘ１０−１であ
るので、ステップ６２における収束条件が満されない。Next, in step 25, search points are updated and convergence determination is performed according to the processing procedure shown in FIG. At the search starting point xt, f is -6, 2X10-1, so the convergence condition in step 62 is not satisfied.
ただし、探索出発点Ｘｉは、ステップ６３のｆ＞Ｏの条
件を満たさない。このため、ステップ６５において、ｘ
２＝ｘ １＋ ０ 、１になるように探索点を更新する
。However, the search starting point Xi does not satisfy the condition of f>O in step 63. Therefore, in step 65, x
2=x 1+ 0, the search point is updated so that it becomes 1.
非線形最適化処理部１１は、自分で求めた更新された探
索点に基づいて、ステップ１０８の処理を実行する。The nonlinear optimization processing unit 11 executes the process of step 108 based on the updated search points determined by itself.
処理は再びステップ２３に戻り、更新された新しい探索
点に対して、ステップ２３からステップ２５までの処理
が繰り返される。繰返されたステップ２３の処理では、
新しい探索点に関する情報を入力する。The process returns to step 23 again, and the processes from step 23 to step 25 are repeated for the updated new search point. In the repeated process of step 23,
Enter information about the new search point.
第９図は、探索点に関する情報の更新の様子を示してい
る。探索点ｘ７においてはｆ＞Ｏとなるため、ステップ
６４が実行されて探索点の座標値が０．１減少される。FIG. 9 shows how information regarding search points is updated. Since f>O at search point x7, step 64 is executed and the coordinate value of the search point is decreased by 0.1.
この結果、探索点ｘ８の座標値は０．９６ になる。こ
の座標値は、探索点ｘＢの座標値に等しい。このために
、ステップ５３において、第５図における第１番目のル
ールの条件部「過去に現在の探索点と同じ座標をとる探
索点が存在したか」が成立して、そのルールの実行部「
探索点の座標を０．０１だけ増大させる」が実行される
。この結果、探索点ｘ８の座標値が０．９６＋０．０１
＝０．９７ になる。As a result, the coordinate value of the search point x8 becomes 0.96. This coordinate value is equal to the coordinate value of the search point xB. For this reason, in step 53, the condition part of the first rule in FIG.
"increase the coordinates of the search point by 0.01" is executed. As a result, the coordinate value of search point x8 is 0.96+0.01
=0.97.
この１番目のルールは、何らかの原因で探索点の更新の
状態が無限ループになる場合の対策を示している。この
ような無限ループの発生は、任意の時点において適用さ
れている特定の非線形最適化手法に基づくものではなく
、非線形最適化手法によらない。従って、このルールは
、共通の知識と呼ばれるべきものであり、非線形最適化
手法に依存しない求解過程の制御法に関する知識であっ
て、特定の非線形最適化手法に対するものではない。This first rule indicates a countermeasure when the update state of search points becomes an infinite loop for some reason. The occurrence of such an infinite loop is not based on the particular nonlinear optimization method being applied at any given time, and is independent of the nonlinear optimization method. Therefore, this rule should be called common knowledge, and is knowledge regarding the control method of the solution process that does not depend on the nonlinear optimization method, and is not for a specific nonlinear optimization method.
新規な探索点がｘ８ に設定され、他のいずれのルール
の条件部も成立せず、非線形最適化手法による求解過程
の検証が終了したものとする。It is assumed that a new search point is set at x8, that the conditional part of any other rule is not satisfied, and that the verification of the solution process using the nonlinear optimization method has been completed.
この探索点ＸＯに対して、ステップ２５による探索点の
更新および収束判定が実行される。The search point update and convergence determination in step 25 are performed for this search point XO.
同様にして、第４図の処理手順に従って、探索点の更新
処理が繰り返される。最終的に、探索点Ｘ１２において
、ステップ６２における収束条件１ｆ＋＜１０−４が満
足され、非線形最適化手法にわる求解が終了される。Similarly, the search point updating process is repeated according to the process procedure shown in FIG. Finally, at the search point X12, the convergence condition 1f+<10-4 in step 62 is satisfied, and the solution using the nonlinear optimization method is completed.
本実施例は説明を簡単にするために、第８図に示した簡
単な非線形最適化手法を用いた。しかしながら、問題の
タイプに応じて効率の良い非線形最適化手法を非線形最
適化処理部１１に記憶し、用いることもできる。共通の
知識は、制御処理部１２は、共通の知識、すなわち非線
形最適化手法によらない求解過程の制御法に関する知識
を用いて求解過程を制御するため、非線形最適化手法が
他のものに変更されたとしても、該共通の知識を修正す
る必要はない。In this embodiment, in order to simplify the explanation, a simple nonlinear optimization method shown in FIG. 8 was used. However, it is also possible to store an efficient nonlinear optimization method in the nonlinear optimization processing unit 11 and use it depending on the type of problem. The common knowledge is that the control processing unit 12 controls the solution-finding process using common knowledge, that is, knowledge about the control method of the solution-finding process that is not based on the nonlinear optimization method, so the nonlinear optimization method is changed to another one. Even if the common knowledge is changed, there is no need to modify the common knowledge.
本実施例においては、非線形最適化処理部１１および制
御処理部１２は分離されており、制御処理部１２におい
て非線形最適化手法に依存しない求解過程の制御法に関
する知識（異なる非線形最適化手法によるすべての求解
過程に用いることができる制御法に関する知識、すなわ
ち共通の知識を用いて、探索点の制御を行なう。このた
め、本実施例は、ある特定の非線形最適化手法に依存し
ない、求解失敗防止手段を備えた汎用的な非線形最適化
処理装置を組み立てることができる。In this embodiment, the nonlinear optimization processing section 11 and the control processing section 12 are separated, and the control processing section 12 has knowledge about the control method of the solution process that does not depend on the nonlinear optimization method (all The search points are controlled using knowledge about control methods that can be used in the solution process, that is, common knowledge.For this reason, this embodiment provides a solution failure prevention method that does not depend on a specific nonlinear optimization method. A general-purpose nonlinear optimization processing device equipped with the means can be assembled.
本実施例は、求解過程の制御法に関する知識（共通の知
識）を、ルールベースの形で記憶させる外部記憶装置８
３を有する。前述したように制御処理部１１は、その処
理過程でルールが必要となった場合、入力部８２を介し
て、外部記憶装置８３からルールを取り出して使用する
。このように求解過程の制御法に関する知識をルールベ
ースの形で外部記憶装置８３に記憶すると、ルールの追
加、削除、修正等の共通の知識の管理が容易になる。In this embodiment, an external storage device 8 stores knowledge (common knowledge) regarding the control method of the solution process in a rule-based form.
It has 3. As described above, when a rule is needed in the process, the control processing section 11 retrieves the rule from the external storage device 83 via the input section 82 and uses it. If the knowledge regarding the control method of the solution-finding process is stored in the external storage device 83 in a rule-based form in this way, it becomes easy to manage common knowledge such as adding, deleting, and modifying rules.
更に、本実施例は、異なる非線形最適化手法を記憶した
外部記憶装置９１を１つまたは複数個用意する。前述の
ように、非線形最適化は線形最適化とは異なり、あらゆ
る非線形最適化問題を効率良く解ける手法は、現在のと
ころ得られていない。Furthermore, in this embodiment, one or more external storage devices 91 storing different nonlinear optimization methods are prepared. As mentioned above, nonlinear optimization is different from linear optimization, and there is currently no method available for efficiently solving all nonlinear optimization problems.
すなわち、ある特定のタイプの非線形最適化問題に対し
て有効な手法が、別のタイプの問題に対しては適切でな
いような場合がある。本実施例においては、問題のタイ
プ毎に、その求解に適した非線形最適化手法を選択して
利用可能とし、演算の効率化を実現できる。局部的な知
識も、外部記憶装置９１に記憶されているので、共通の
知識同様、追加、削除、及び修正等の管理が容易である
。制御処理部を、非線形最適化処理部と独立させて設け
ているとも言え、非線形最適化手法に依存しない求解失
敗防止策を備えた非線形最適化装置を構築でき、非線形
最適化装置共通の知識及び局部的な知識の少なくとも１
つを外部記憶装置ではなく。That is, a method that is effective for a certain type of nonlinear optimization problem may not be appropriate for another type of problem. In this embodiment, a nonlinear optimization method suitable for solving the problem can be selected and used for each type of problem, and efficiency of calculation can be realized. Since local knowledge is also stored in the external storage device 91, it is easy to manage additions, deletions, modifications, etc. like common knowledge. It can be said that the control processing section is provided independently from the nonlinear optimization processing section, and it is possible to construct a nonlinear optimization device equipped with measures to prevent solution failures that do not depend on the nonlinear optimization method. at least one piece of local knowledge
one instead of an external storage device.
中間データ記憶部１６に記憶させてもよい。この場合、
前述した外部記憶装置８３及び９１のうち該当する外部
記憶装置を設けることによって得られた前述の効果は生
じない。It may be stored in the intermediate data storage section 16. in this case,
The aforementioned effects obtained by providing the corresponding external storage device among the external storage devices 83 and 91 described above do not occur.
第１０図は、前述した第３図に示された非線形最適化処
理装置を制御用パラメータ決定装置３５として組込んだ
製品生産システムを示している。FIG. 10 shows a product production system in which the nonlinear optimization processing device shown in FIG. 3 described above is incorporated as the control parameter determination device 35.
生産システム３４は、該当する製品を製作するために必
要な複数の加工設備及び移送設備（場合によってはそれ
ぞれ１つ）を有する。この生産システム３４は、原材料
３７（例えば、原料Ａ、Ｂ及びＣ）が供給され、所定の
加工設備で加工された製品３８を作るものである。移送
設備は、原材料３７及び中間製品を加工設備間で運搬す
るものである。生産システム３４は、各設備の動作を制
御するコントローラ３９を有する。このコントローラ３
９は、ホストコンピュータであり、各加工設備及び移動
設備毎に各専用のコントローラ（ローカルコントローラ
という）が設けられている。ローカルコントローラは、
コントローラ３９の制御信号に基づいて、自分が担当す
る加工設備、移送設備を制御する。生産システム３４に
おいては、これを構成する加工設備及び移送設備の各能
力の制約下で各設備毎に原材料３７から単位時間当りに
製造される製品３８の量が最大になるようにする必要が
ある。このため、コントローラ３９及びローカルコント
ローラは、各設備の制御用パラメータ３３を制御する。The production system 34 includes a plurality of processing equipment and transfer equipment (possibly one of each) necessary to produce the product in question. This production system 34 is supplied with raw materials 37 (for example, raw materials A, B, and C) and produces products 38 that are processed using predetermined processing equipment. The transfer equipment transports raw materials 37 and intermediate products between processing equipment. The production system 34 includes a controller 39 that controls the operation of each piece of equipment. This controller 3
9 is a host computer, and a dedicated controller (referred to as a local controller) is provided for each processing equipment and moving equipment. The local controller is
Based on the control signal from the controller 39, the user controls the processing equipment and transfer equipment that he/she is in charge of. In the production system 34, it is necessary to maximize the amount of products 38 manufactured per unit time from the raw materials 37 for each equipment under the constraints of the respective capacities of the processing equipment and transfer equipment that make up the system. . Therefore, the controller 39 and the local controller control the control parameters 33 of each facility.
各設備を最適に制御するための制御用パラメータ３３は
、制御用パラメータ決定袋Ｗ３Ｓで決定される。制御用
パラメータ決定装置３５は、入力装置３６から出力され
た入力パラメータ３１．及び生産システムの各設備等に
設けられた検出器４０の測定値であるフィードバックパ
ラメータ３２を入力する。検出器４０は、該当する設備
の運転状態等のデータを測定する。The control parameters 33 for optimally controlling each facility are determined by the control parameter determination bag W3S. The control parameter determining device 35 uses the input parameters 31 . And feedback parameters 32, which are measured values of detectors 40 provided in each facility of the production system, are input. The detector 40 measures data such as the operating state of the corresponding equipment.
入力パラメータ３１は、生産システムの動作に関する情
報、すなわち、供給される原材料３７の情報、生産シス
テムの制約条件（例えば、各設備の能力に関する制約条
件）及び生産システムの運転上の制約条件（例えば、生
産システムの電力量）等をパラメータとして含む数式モ
デルである。この数式モデルが、最適制御用パラメータ
を求めるために非線形最適化処理装置である制御用パラ
メータ決定装置３５に与えられる問題である。制御用パ
ラメータ決定装置３５における最適な制御用パラメータ
３３の求め方は、第３図の実施例における処理と同じな
のでここでは説明を省略する。The input parameters 31 include information regarding the operation of the production system, that is, information on the raw materials 37 to be supplied, constraints on the production system (for example, constraints on the capacity of each equipment), and operational constraints on the production system (for example, This is a mathematical model that includes parameters such as the amount of electricity used in the production system. This mathematical model is a problem given to the control parameter determination device 35, which is a nonlinear optimization processing device, in order to determine the optimal control parameters. The method of determining the optimum control parameters 33 in the control parameter determination device 35 is the same as the process in the embodiment shown in FIG. 3, and therefore the description thereof will be omitted here.
制御用パラメータ決定袋［３５で得られた最適な制御用
パラメータ３３は、コントロール３９に入力される。コ
ントローラ３９は、入力した制御用パラメータ３３に基
づいて各ローカルコントローラに該当する設備を制御さ
せるための制御信号を出力する。このような制御用パラ
メータ決定装置３５を有する製品生産システムは、所定
の目的（例えば、生産製品の量を最大）に対して最適な
制御が実行できる。フィードバックパラメータ３２を制
御用パラメータ決定装置３５に入力することによって、
それが前述の数式モデル内に取込まれ、フィードバック
パラメータ３２を考慮した非線形最適化処理が行われる
。このため、制御用パラメータ決定装置３５は、フィー
ドバックパラメータ３２、すなわち、現に駆動している
生産システム３４で発生している制御条件を考慮した最
適な制御用パラメータ３３を出力できる。本実施例の製
品生産システムは、生産システムの駆動中に生じる制約
条件を反映して適切な制御が可能となる。The optimal control parameters 33 obtained in the control parameter determination bag [35] are input to the control 39. The controller 39 outputs a control signal for causing each local controller to control the corresponding equipment based on the input control parameters 33. A product production system having such a control parameter determining device 35 can perform optimal control for a predetermined purpose (for example, maximizing the amount of produced products). By inputting the feedback parameter 32 into the control parameter determining device 35,
This is incorporated into the above-mentioned mathematical model, and nonlinear optimization processing is performed in consideration of the feedback parameter 32. Therefore, the control parameter determination device 35 can output the feedback parameters 32, that is, the optimum control parameters 33 that take into account the control conditions occurring in the production system 34 that is currently being driven. The product production system of this embodiment allows for appropriate control by reflecting the constraint conditions that occur during operation of the production system.
本実施例は、第３図の実施例で得られる効果も当然生じ
る。Naturally, this embodiment also produces the effects obtained in the embodiment shown in FIG.
本実施例においては、例えば生産システムの変更により
、システムを記述する非線形最適化問題が変化し、従来
の非線形最適化手法が不適当になるような場合でも、制
御用パラメータ決定装置３５の非線形最適化処理部１１
で用いる非線形最適化手法を変更するだけで、問題に適
合した制御用パラメータ決定装置１３５を構築できる。In this embodiment, even if the nonlinear optimization problem that describes the system changes due to a change in the production system and the conventional nonlinear optimization method becomes inappropriate, the control parameter determination device 35 can perform nonlinear optimization. conversion processing unit 11
By simply changing the nonlinear optimization method used, it is possible to construct a control parameter determination device 135 that is suitable for the problem.
すなわち、生産システムが変更された場合にも、制御処
理部１２を変更する必要が無いため、生産システムに適
合した制御用パラメータ決定装置３５を容易に構築でき
る。That is, even if the production system is changed, there is no need to change the control processing section 12, so it is possible to easily construct the control parameter determination device 35 that is suitable for the production system.
任意の産業上まただ技術上のプラントもしくはシステム
の制御に、本発明を適用できる。更に、本発明は、証券
市場のような金融操作のコンピュータ制御のためにも適
用できる。The invention can be applied to the control of any industrial or technical plant or system. Furthermore, the invention can also be applied for computer control of financial operations such as securities markets.
本発明を適用できる他の分野は、計算機支援設計（ｃＡ
Ｄ）システムの分野である。非線形最適化処理装置を有
するＣＡＤシステムの一例としてのコイル設計において
は、与えられた負荷に対して、コイルの変形が所定の値
より大きくないという制約条件に基づいて、コイル用の
ワイヤの半径、コイルの巻き数、及び各アームの半径が
選択されなければならない。そして、本実施例のシステ
ムは、それが最小になるようにコイルのパラメータを最
適化するように適用される。また、シャフトが最小摩擦
で確実に回転することが望まれるときは、本実施例のＣ
ＡＤシステムはベアリング設計にも適用できる。しかし
ながら、これらはＣＡＤに対する本発明の単なる適用例
であって、当業者にとっては、広い範囲に適用できるこ
とは極めて明らかである。Another area where the invention can be applied is computer aided design (cA
D) It is a field of systems. In coil design as an example of a CAD system having a nonlinear optimization processing device, the radius of the wire for the coil, The number of turns of the coil and the radius of each arm must be selected. The system of the present example is then applied to optimize the parameters of the coil such that it is minimized. In addition, when it is desired that the shaft rotates reliably with minimum friction, C
The AD system can also be applied to bearing design. However, these are just examples of the application of the present invention to CAD, and it is quite clear to those skilled in the art that the invention can be applied in a wide range of ways.
本発明に関して前述した装置は、分離した非線形最適化
処理部１１．制御処理部１２、及び外部記憶装置８３．
９１を有するものとして例示されている。これは必須の
ことではなく、適当な標準的なコンピュータに対して、
本発明の方法を実行することができる。ただし、重要な
ことは、共通の知識、及び、可能であれば局部的な知識
も該当の非線形最適化手法から切離して記憶され、必要
とされるメモリ空間を最小にすることである。多くの異
なる非線形最適化手法を記憶させることが可能であり、
また、更に別の手法を付加させることが望まれるときに
は、該当する特定の非線形最適化手法に関する該当の局
部的な知識を付加するだけの、比較的単純なやり方があ
る。The apparatus described above with respect to the present invention comprises a separate nonlinear optimization processing section 11. Control processing unit 12 and external storage device 83.
91. This is not required; for any standard computer,
The method of the invention can be carried out. However, it is important that the common knowledge and, if possible, the local knowledge also be stored separately from the relevant non-linear optimization technique to minimize the memory space required. It is possible to memorize many different nonlinear optimization methods,
Also, when it is desired to add yet another method, there is a relatively simple way to do this by simply adding the relevant local knowledge regarding the particular nonlinear optimization method in question.
本発明は、非線形最適化問題を解決する一般的な方法に
関するものであるが、ここで注意されるべきことは、装
置を特徴付ける非線形の変数を最適化させることを含む
、実際の技術論理上の装置および産業上の装置の最適化
処理に関して、即ち、プロセス、マシン、製造または組
み立て、もしくは、コンピュータを含んでなるコンピュ
ータ制御式の金融管理装置の実行能力を最適化させるた
めの物理的な配列に関して、コンピュータ制御装置にお
けるこのような非線形の最適化処理方法を用いることだ
けに関するものである。この発明の基礎をなす方法の抽
象的な使用は、演算上のリサーチ、アルゴリズムのリサ
ーチ、または、非線形の数学的なリサーチという活動に
おいて、この発明の一部を形成するものではない。Although the present invention relates to a general method for solving nonlinear optimization problems, it should be noted here that the practical technical logic involved in optimizing nonlinear variables characterizing the device Concerning optimization of equipment and industrial equipment, i.e. processes, machines, manufacturing or assembly, or physical arrangements for optimizing the performance of computer-controlled financial management equipment comprising computers; , only concerns the use of such nonlinear optimization processing methods in computer-controlled devices. The abstract use of the method underlying this invention does not form part of this invention in the activity of computational research, algorithmic research, or nonlinear mathematical research.
本発明によれば、非線形最適化処理部と、非線形最適化
手法に依存しない求解過程の制御法に関する知識に基づ
いて求解過程を制御する制御処理部とを独立させること
により、非線形最適化装置の開発効率と汎用性を向上さ
せることができる。According to the present invention, by making the nonlinear optimization processing unit and the control processing unit that controls the solution process based on knowledge about the control method of the solution process that does not depend on the nonlinear optimization method independent, the nonlinear optimization device Development efficiency and versatility can be improved.
求解過程を制御する知識を記憶するメモリのエリアを小
さくできる。The memory area for storing knowledge that controls the solution process can be reduced.
また、求解過程の制御法に関する知識を外部記憶装置に
記憶することにより、制御処理部で用いる知識の管理を
容易にすることが可能となる。Furthermore, by storing knowledge regarding the control method of the solution finding process in an external storage device, it becomes possible to easily manage the knowledge used in the control processing section.
さらに、複数の異なる非線形最適化手法を外部記憶装置
に記憶し、非線形最適化問題のタイプに適合した非線形
最適化手法を選択し、非線形最適化処理部で用い、求解
の効率を上げることもできる。Furthermore, it is possible to store multiple different nonlinear optimization methods in an external storage device, select a nonlinear optimization method suitable for the type of nonlinear optimization problem, and use it in the nonlinear optimization processing section to increase solution efficiency. .
第１図は本発明の好適な一実施例である第２図の非線形
最適化処理装置の非線形最適化処理部で実行される処理
手順のフローチャート図、第２図は本発明の実施例であ
る非線形最適化処理装置の基本構成を示す構成図、第３
図は第２図に示す基本構成を有する非線形最適化処理の
コンピュータ装置の実施例の構成図、第４図は第３図の
制御処理部で実行される求解過程制御の処理のためのフ
ローチャート図、第５図は非線形最適化手法に依存しな
い、求解過程の制御法に関する知識の説明図、第６図は
ある１個の探索点に関する情報の具体例を示す説明図、
第７図は第４図のステップ２４の具体的な処理手順を示
すフローチャート図。
第８図は第４図のステップ２５の具体的な処理手順の一
例であるフローチャート図、第９図は第３図の実施例に
おいて、探索開始から最適点が求まった探索終了に至る
までの探索点に関する情報の変化を示した説明図、第１
０図は第３図の非線形最適化処理装置を制御用パラメー
タ決定装置として用いる最適制御装置の構成図である。
１１・・・非線形最適化処理装置、１２・・・制御処理
部、１３．３６・・・入力装置、１４，８２．９２・・
・入力部、１５・・・演算部、１６・・・中間データ記
憶部、１７・・・画像出力部、１８・・・表示制御装置
、１９・・・表示装置、３４・・・生産システム、３５
・・・制御用パラメータ決定装置。
第
１
図
停止
第
図
９
１
１１ ・・・・・・・・・・・・・・・非線形最適化
処理部１２ ・・・・・・・・・・・・・・・制御処理
部１３ ・・・・・・・・・・・・・・・入力装置１
４．８２．９２・・・入力部
１５ ・・・・・・・・・・・・・演算部１６ ・・
・・・・・・・・・・・・・中間データ記憶部１７ ・
・・・・・・・・・・・・画像出力部１８ ・・・・
・・・・・・・・・・・表示制御装置１９ ・・・・
・・・・・・・・・・・表示装置８３．９１・・・・・
・・・・・・・外部記憶装置Ｘ−：
Ｘｎ ：
ｆ（Ｘ） ：
第５図
番目の探索点の位置ベクトル
現在の探索点り位置ベクトル
微小ベクトルε＝ （１０−２、１０−２×に対する目
的関数値
第６図
第８図
・・・・・・１Ｏ−２）
ｆ（ｘ）−（ｘ−１）’
ｆ（ｘ） −４（ｘ−１）３FIG. 1 is a flowchart of the processing procedure executed in the nonlinear optimization processing unit of the nonlinear optimization processing device shown in FIG. 2, which is a preferred embodiment of the present invention, and FIG. 2 is a preferred embodiment of the present invention. Configuration diagram showing the basic configuration of the nonlinear optimization processing device, Part 3
The figure is a configuration diagram of an embodiment of a computer device for nonlinear optimization processing having the basic configuration shown in FIG. , FIG. 5 is an explanatory diagram of knowledge regarding the control method of the solution process that does not depend on nonlinear optimization methods, and FIG. 6 is an explanatory diagram showing a specific example of information regarding one search point.
FIG. 7 is a flowchart showing the specific processing procedure of step 24 in FIG. FIG. 8 is a flowchart showing an example of the specific processing procedure of step 25 in FIG. 4, and FIG. 9 is a flowchart showing an example of the process shown in FIG. Explanatory diagram showing changes in information regarding points, 1st
FIG. 0 is a block diagram of an optimal control device that uses the nonlinear optimization processing device of FIG. 3 as a control parameter determining device. 11... Nonlinear optimization processing device, 12... Control processing unit, 13.36... Input device, 14, 82.92...
- Input unit, 15... Calculation unit, 16... Intermediate data storage unit, 17... Image output unit, 18... Display control device, 19... Display device, 34... Production system, 35
... Control parameter determination device. Fig. 1 Stop Fig. 9 1 11 . . . Nonlinear optimization processing section 12 . . . Control processing section 13 ・・・・・・・・・・・・・Input device 1
4.82.92...Input section 15......Calculation section 16...
・・・・・・・・・・・・Intermediate data storage unit 17 ・
...... Image output section 18 ...
...... Display control device 19 ...
......Display device 83.91...
...External storage device Objective function value for Fig. 6 Fig. 8...1O-2) f(x)-(x-1)' f(x)-4(x-1)3
Claims (1)
よつて、プロセッサに入力し、（ｂ）複数の非線形最適
化手法のプログラムを記憶している第１記憶手段から、
前記プロセッサによって、少なくとも１つの選択された
前記非線形最適化手法のプログラムを取り出し、（ｃ）
前記非線形最適化手法のプログラムを制御する知識であ
つて全ての前記非線形最適化手法のプログラムに適用可
能な複数の共通の知識を、前記非線形最適化手法のプロ
グラムとは分離して記憶している第２記憶手段から、前
記プロセッサによつて、少なくとも１つの前記共通の知
識を取り出し、（ｄ）解を得るために前記問題に対して
選択された前記非線形最適化手法のプログラムを、前記
プロセッサによつて、適用し、（ｅ）前記共通の知識の
少なくとも１つを用い、前記プロセッサによつて、前記
非線形最適化手法のプログラムによる演算過程を制御し
、及び前記解が最適解になるまで（ｃ）から（ｅ）まで
のステップを繰り返すことを特徴とする非線形最適化処
理方法。 ２、前記ステップ（ｃ）を、前記ステップ（ｅ）と前記
ステップ（ｆ）との間で行なう請求項１の非線形最適化
処理方法。 ３、非線形最適化を制御するプロセッサを用いてプロセ
スを制御する非線形最適化処理方法において、（ａ）最
適解が探索されるために制御されるプロセスの実行に関
係する問題を、入力手段によつて、プロセッサに入力し
、（ｂ）複数の非線形最適化手法のプログラムを記憶し
ている第１記憶手段から、前記プロセッサによつて、少
なくとも１つの選択された前記非線形最適化手法のプロ
グラムを取り出し、（ｃ）前記非線形最適化手法のプロ
グラムに基づくプロセスを制御する知識であつて全ての
前記非線形最適化手法のプログラムに適用可能な複数の
共通の知識を、前記非線形最適化手法のプログラムとは
分離して記憶している第２記憶手段から、前記プロセッ
サによつて、少なくとも１つの前記共通の知識を取り出
し、（ｄ）解を得るために前記問題に対して選択された
前記非線形最適化手法のプログラムを、前記プロセッサ
によつて、適用し、（ｅ）前記共通の知識の少なくとも
１つを用い、前記プロセッサによつて、前記非線形最適
化手法のプログラムによる演算過程を制御し、及び（ｆ
）前記問題に対する最適解が得られるまで（ｃ）から（
ｅ）までのステップを繰り返し、（ｇ）前記プロセスの
最適な実行を得るために前記プロセッサによつて、前記
プロセスを制御することを特徴とする非線形最適化処理
方法。 ４、前記プロセスが産業プロセスである請求項３の非線
形最適化処理方法。 ５、非線形最適化を制御するプロセッサを用いてプロセ
スを制御する非線形最適化処理方法において、（ａ）最
適解が探索されるために制御されるシステムの実行に関
係する問題を、入力手段によつて、プロセッサに入力し
、（ｂ）複数の非線形最適化手法のプログラムを記憶し
ている第１記憶手段から、前記プロセッサによつて、少
なくとも１つの選択された前記非線形最適化手法のプロ
グラムを取り出し、（ｃ）前記非線形最適化手法のプロ
グラムに基づくプロセスを制御する知識であつて全ての
前記非線形最適化手法のプログラムに適用可能な複数の
共通の知識を、前記非線形最適化手法のプログラムとは
分離して記憶している第２記憶手段から、前記プロセッ
サによつて、少なくとも１つの前記共通の知識を取り出
し、（ｄ）解を得るために前記問題に対して選択された
前記非線形最適化手法のプログラムを、前記プロセッサ
によつて、適用し、（ｅ）前記共通の知識の少なくとも
１つを用い、前記プロセッサによつて、前記非線形最適
化手法のプログラムによる演算過程を制御し、及び（ｆ
）前記問題に対する最適解が得られるまで（ｃ）から（
ｅ）までのステップを繰り返し、（ｇ）前記システムの
最適な実行を得るために前記プロセッサによつて前記シ
ステムを制御することを特徴とする非線形最適化処理方
法。 ６、前記システムが産業システムである請求項３の非線
形最適化処理方法。 ７、（ａ）最適解が探索されるべき問題を、入力手段に
よつて、プロセッサに入力し、（ｂ）複数の非線形最適
化手法のプログラムを記憶している第１記憶手段から、
前記プロセッサによつて、少なくとも１つの選択された
前記非線形最適化手法のプログラムを取り出し、（ｃ）
前記非線形最適化手法のプログラムを制御する知識であ
つて全ての前記非線形最適化手法のプログラムに適用可
能な複数の共通の知識を、前記非線形最適化手法のプロ
グラムとは分離して記憶している第２記憶手段から、前
記プロセッサによつて、少なくとも１つの前記共通の知
識を取り出し、（ｄ）解を得るために前記問題に対して
選択された前記非線形最適化手法のプログラムを、前記
プロセッサによつて、適用し、（ｅ）前記共通の知識の
少なくとも１つを用い、前記プロセッサによつて、前記
非線形最適化手法のプログラムによる演算過程を制御し
、（ｆ）前記非線形最適化手法のプログラムの適用によ
つて前記問題に対する最適解が得られない場合には、前
記第１記憶手段から、他の非線形最適化手法のプログラ
ムを取り出し、及び（ｇ）この他の非線形最適化手法の
プログラムを用いて前記問題に対する最適解を求めるこ
とを特徴とする非線形最適化処理方法。 ８、（ａ）最適解が探索されるべき問題を、入力手段に
よつて、プロセッサに入力し、（ｂ）複数の非線形最適
化手法のプログラムを記憶している第１記憶手段から、
前記プロセッサによつて、少なくとも１つの選択された
前記非線形最適化手法のプログラムを取り出し、（ｃ）
解を得るために前記問題に対して選択された前記非線形
最適化手法のプログラムを、前記プロセッサによつて、
適用し、（ｄ）条件部及び実行部を有する、前記非線形
最適化手法のプログラムを制御する知識であつて全ての
前記非線形最適化手法のプログラムに適用可能な複数の
共通の知識を、前記プロセッサによつて、前記非線形最
適化手法のプログラムとは分離して記憶している第２記
憶手段から、前記非線形最適化手法のプログラムの適用
によつて得られた処理情報に基づいて前記知識の条件部
を探索して該当する知識を取り出し、（ｅ）取り出され
た前記共通の知識の実行部を用い、前記プロセッサによ
つて、前記非線形最適化手法のプログラムによる演算過
程を制御し、及び（ｆ）前記解が最適解になるまで（ｃ
）から（ｅ）までのステップを繰り返すことを特徴とす
る非線形最適化処理方法。 ９、（ａ）製品生産システムに供給される複数の原材料
の情報及び前記製品生産システムの制約条件を含むモデ
ルの情報を、入力手段によつて、プロセッサに入力し、
（ｂ）複数の非線形最適化手法のプログラムを記憶して
いる第１記憶手段から、前記プロセッサによつて、少な
くとも１つの選択された前記非線形最適化手法のプログ
ラムを取り出し、（ｃ）前記非線形最適化手法のプログ
ラムを制御する知識であつて全ての前記非線形最適化手
法のプログラムに適用可能な複数の共通の知識を、前記
非線形最適化手法のプログラムとは分離して記憶してい
る第２記憶手段から、前記プロセッサによつて、少なく
とも１つの前記共通の知識を取り出し、（ｄ）最適な制
御パラメータを得るために前記モデルに対して選択され
た前記非線形最適化手法のプログラムを、前記プロセッ
サによつて、適用し、（ｅ）前記共通の知識の少なくと
も１つを用い、前記プロセッサによつて、前記非線形最
適化手法のプログラムによる演算過程を制御し、及び（
ｆ）前記製品生産システムの最適制御パラメータが得ら
れるまで（ｃ）から（ｅ）までのステップを繰り返し、
（ｇ）得られた最適制御パラメータを前記製品生産シス
テムのコントローラに伝えることを特徴とする製品生産
システムの制御パラメータ決定方法。 １０、（ａ）製品生産システムに供給される複数の原材
料の情報及び前記製品生産システムの制約条件を含むモ
デルの情報を、入力手段によつて、プロセッサに入力し
、（ｂ）複数の非線形最適化手法のプログラムを記憶し
ている第１記憶手段から、前記プロセッサによつて、少
なくとも１つの選択された前記非線形最適化手法のプロ
グラムを取り出し、（ｃ）前記非線形最適化手法のプロ
グラムを制御する知識であつて全ての前記非線形最適化
手法のプログラムに適用可能な複数の共通の知識を、前
記非線形最適化手法のプログラムとは分離して記憶して
いる第２記憶手段から、前記プロセッサによつて、少な
くとも１つの前記共通の知識を取り出し、（ｄ）前記製
品生産システムムから検出された情報に基づいて前記モ
デルに含まれるパラメータを修正し、（ｅ）最適な制御
パラメータを得るために前記パラメータが修正されたモ
デルに対して選択された前記非線形最適化手法のプログ
ラムを、前記プロセッサによつて、適用し、（ｆ）前記
共通の知識の少なくとも１つを用い、前記プロセッサに
よつて、前記非線形最適化手法のプログラムによる演算
過程を制御し、及び（ｇ）前記製品生産システムの最適
制御パラメータが得られるまで（ｃ）、（ｅ）及び（ｆ
）ステップを繰り返し、（ｇ）得られた最適制御パラメ
ータを前記製品生産システムのコントローラに伝えるこ
とを特徴とする製品生産システムの制御パラメータ決定
方法。 １１、入力手段と、複数の非線形最適化手法のプログラ
ムを記憶している第１記憶手段と、前記非線形最適化手
法のプログラムを制御する知識であつて全ての前記非線
形最適化手法のプログラムに適用可能な複数の共通の知
識を、前記非線形最適化手法のプログラムとは分離して
記憶している第２記憶手段と、（ａ）最適解が探索され
るべき問題を入力手段から入力し、（ｂ）前記第１記憶
手段から少なくとも１つの選択された前記非線形最適化
手法のプログラムを取り出し、（ｃ）第２記憶手段から
少なくとも１つの前記共通の知識を取り出し、（ｄ）解
を得るために、前記問題に対して選択された前記非線形
最適化手法のプログラムを適用し、（ｅ）前記共通の知
識の少なくとも１つを用いて前記非線形最適化手法のプ
ログラムによる演算過程を制御し、及び（ｆ）前記解が
最適解になるまで（ｃ）から（ｅ）までのステップを繰
り返す各処理を実行するプロセッサとを備えたことを特
徴とする非線形最適化処理装置。 １２、入力手段と、複数の非線形最適化手法のプログラ
ムを記憶している第１記憶手段と、前記非線形最適化手
法のプログラムを制御する知識であつて全ての前記非線
形最適化手法のプログラムに適用可能な複数の共通の知
識を、前記非線形最適化手法のプログラムとは分離して
記憶している第２記憶手段と、（ａ）最適解が探索され
るべき問題を入力手段から入力し、（ｂ）前記第１記憶
手段から少なくとも１つの選択された前記非線形最適化
手法のプログラムを取り出し、（ｃ）解を得るために、
前記問題に対して選択された前記非線形最適化手法のプ
ログラムを適用し、（ｄ）制御処理手段から出力される
制御指令に基づいて前記非線形最適化手法のプログラム
による演算過程が制御され、及び（ｅ）前記解が最適解
になるまで（ｃ）及び（ｄ）のステップを繰り返す各処
理を実行する非線形最適化処理手段と、（ｆ）前記非線
形最適化処理手段で得られた情報を用い、前記第２記憶
手段から少なくとも１つの前記共通の知識を取り出し、
及び（ｇ）前記共通の知識の少なくとも１つを用いて前
記非線形最適化手法のプログラムによる演算過程を制御
する制御指令を出力する制御処理手段とを備えたことを
特徴とする非線形最適化処理装置。 １３、入力手段と、複数の非線形最適化手法のプログラ
ムを記憶している第１記憶手段と、前記非線形最適化手
法のプログラムを制御する知識であつて全ての前記非線
形最適化手法のプログラムに適用可能な複数の共通の知
識を、前記非線形最適化手法のプログラムとは分離して
記憶している第２記憶手段と、（ａ）最適解が探索され
るべき問題を入力手段から入力し、（ｂ）前記第１記憶
手段から少なくとも１つの選択された前記非線形最適化
手法のプログラムを取り出し、（ｃ）第２記憶手段から
少なくとも１つの前記共通の知識を取り出し、（ｄ）解
を得るために、前記問題に対して選択された前記非線形
最適化手法のプログラムを適用し、（ｅ）前記共通の知
識の少なくとも１つを用いて前記非線形最適化手法のプ
ログラムによる演算過程を制御し、（ｆ）前記非線形最
適化手法のプログラムの適用によつて前記問題に対する
最適解が得られない場合には、前記第１記憶手段から、
他の非線形最適化手法のプログラムを取り出し、及び（
ｇ）この他の非線形最適化手法のプログラムを用いて前
記問題に対する最適解を求める各処理を実行するプロセ
ッサとを備えたことを特徴とする非線形最適化処理装置
。 １４、入力手段と、複数の非線形最適化手法のプログラ
ムを記憶している第１記憶手段と、前記非線形最適化手
法のプログラムを制御する知識であって全ての前記非線
形最適化手法のプログラムに適用可能な複数の共通の知
識を、前記非線形最適化手法のプログラムとは分離して
記憶している第２記憶手段と、製品を製造する加工設備
を有する生産システムと、前記加工設備を制御するコン
トローラと、（ａ）前記生産システムに供給される複数
の原材料の情報及び前記生産システムの制約条件を含む
モデルの情報を、入力手段から入力し、（ｂ）少なくと
も１つの選択された前記非線形最適化手法のプログラム
を前記第１記憶手段から取り出し、（ｃ）少なくとも１
つの前記共通の知識を前記第２記憶手段から取り出し、
（ｄ）最適な制御パラメータを得るために前記モデルに
対して選択された前記非線形最適化手法のプログラムを
適用し、（ｅ）前記知識の少なくとも１つを用いて前記
非線形最適化手法のプログラムによる演算過程を制御し
、（ｆ）前記製品生産システムの最適制御パラメータが
得られるまで（ｃ）から（ｅ）までのステップを繰り返
し、及び（ｇ）得られた最適制御パラメータを前記コン
トローラに伝える各処理を実行するプロセッサとを備え
たことを特徴とする製品生産システム。[Claims] 1. (a) A problem for which an optimal solution is to be searched is inputted to the processor by an input means, and (b) a first processor storing programs for a plurality of nonlinear optimization methods; From memory means,
retrieving, by the processor, at least one program of the selected nonlinear optimization method; (c)
A plurality of pieces of common knowledge that is knowledge for controlling the program of the non-linear optimization method and is applicable to all the programs of the non-linear optimization method is stored separately from the program of the non-linear optimization method. (d) retrieving, by the processor, at least one of the common knowledge from a second storage means; (e) using at least one of the common knowledge, controlling the programmatic calculation process of the nonlinear optimization method by the processor until the solution becomes an optimal solution; A nonlinear optimization processing method characterized by repeating steps from c) to (e). 2. The nonlinear optimization processing method according to claim 1, wherein said step (c) is performed between said step (e) and said step (f). 3. In a nonlinear optimization processing method that controls a process using a processor that controls nonlinear optimization, (a) a problem related to the execution of the process to be controlled in order to search for an optimal solution is input by input means; (b) retrieving, by the processor, a program for at least one selected nonlinear optimization method from a first storage means storing programs for a plurality of nonlinear optimization methods; , (c) a plurality of common knowledge that is knowledge for controlling processes based on the program of the nonlinear optimization method and that is applicable to all the programs of the nonlinear optimization method, the program of the nonlinear optimization method is retrieving, by the processor, at least one of the common knowledge from a second storage means stored separately; (d) the nonlinear optimization method selected for the problem to obtain a solution; (e) using at least one of the common knowledge, controlling the calculation process by the program of the nonlinear optimization method by the processor; and (f)
) from (c) to (
A nonlinear optimization processing method, characterized in that the steps up to e) are repeated, and (g) the process is controlled by the processor to obtain optimal execution of the process. 4. The nonlinear optimization processing method according to claim 3, wherein the process is an industrial process. 5. In a nonlinear optimization processing method that controls a process using a processor that controls nonlinear optimization, (a) a problem related to the execution of the system to be controlled in order to search for an optimal solution is input by input means; (b) retrieving, by the processor, a program for at least one selected nonlinear optimization method from a first storage means storing programs for a plurality of nonlinear optimization methods; , (c) a plurality of common knowledge that is knowledge for controlling processes based on the program of the nonlinear optimization method and that is applicable to all the programs of the nonlinear optimization method, the program of the nonlinear optimization method is retrieving, by the processor, at least one of the common knowledge from a second storage means stored separately; (d) the nonlinear optimization method selected for the problem to obtain a solution; (e) using at least one of the common knowledge, controlling the calculation process by the program of the nonlinear optimization method by the processor; and (f)
) from (c) to (
A nonlinear optimization processing method, characterized in that the steps up to e) are repeated, and (g) the system is controlled by the processor to obtain optimal execution of the system. 6. The nonlinear optimization processing method according to claim 3, wherein the system is an industrial system. 7. (a) inputting a problem for which an optimal solution is to be searched to the processor through the input means; (b) from the first storage means storing programs for a plurality of nonlinear optimization methods;
retrieving, by the processor, at least one program of the selected nonlinear optimization method; (c)
A plurality of pieces of common knowledge that is knowledge for controlling the program of the non-linear optimization method and is applicable to all the programs of the non-linear optimization method is stored separately from the program of the non-linear optimization method. (d) retrieving, by the processor, at least one of the common knowledge from a second storage means; (e) using at least one of the common knowledge to control the calculation process by the program of the nonlinear optimization method by the processor; and (f) controlling the program of the nonlinear optimization method. If an optimal solution to the problem cannot be obtained by applying the above, a program for another nonlinear optimization method is retrieved from the first storage means, and (g) a program for another nonlinear optimization method is retrieved from the first storage means. A nonlinear optimization processing method characterized in that the method uses the following methods to find an optimal solution to the problem. 8. (a) inputting a problem for which an optimal solution is to be searched to the processor through the input means; (b) from the first storage means storing programs for a plurality of nonlinear optimization methods;
retrieving, by the processor, at least one program of the selected nonlinear optimization method; (c)
The program of the nonlinear optimization method selected for the problem to obtain a solution is executed by the processor,
(d) knowledge for controlling the nonlinear optimization method program having a conditional part and an execution part, and that is applicable to all the nonlinear optimization method programs; The condition of the knowledge is determined based on the processing information obtained by applying the program of the non-linear optimization method from the second storage means stored separately from the program of the non-linear optimization method. (e) controlling the calculation process by the program of the nonlinear optimization method by the processor using the extracted common knowledge execution unit; and (f) ) until the solution becomes the optimal solution (c
A nonlinear optimization processing method characterized by repeating steps from ) to (e). 9. (a) inputting information on a plurality of raw materials to be supplied to a product production system and information on a model including constraints of the product production system to the processor through an input means;
(b) retrieving, by the processor, a program for at least one selected nonlinear optimization method from a first storage means storing programs for a plurality of nonlinear optimization methods; a second memory that stores a plurality of common knowledge that is knowledge for controlling the program of the nonlinear optimization method and that is applicable to all the programs of the nonlinear optimization method, separately from the program of the nonlinear optimization method; (d) retrieving, by the processor, at least one of the common knowledge from the means; (e) using at least one of the common knowledge to control the programmatic calculation process of the nonlinear optimization method by the processor;
f) repeating steps (c) to (e) until optimal control parameters for the product production system are obtained;
(g) A method for determining control parameters for a product production system, comprising transmitting the obtained optimal control parameters to a controller of the product production system. 10. (a) Input information on a plurality of raw materials to be supplied to a product production system and model information including constraints of the product production system to the processor through an input means, and (b) input a plurality of nonlinear optimization (c) retrieving at least one selected program of the nonlinear optimization method from a first storage means storing a program of the nonlinear optimization method by the processor; and (c) controlling the program of the nonlinear optimization method. A plurality of common pieces of knowledge that are applicable to all the nonlinear optimization method programs are stored by the processor from a second storage means that stores them separately from the nonlinear optimization method programs. (d) modifying parameters included in the model based on information detected from the product production system; and (e) retrieving at least one of the common knowledge to obtain optimal control parameters. applying, by the processor, a program of the nonlinear optimization method selected for the model with modified parameters; (f) using at least one of the common knowledge, by the processor; (c), (e) and (f) until the optimal control parameters of the product production system are obtained;
A method for determining control parameters for a product production system, comprising repeating steps (g) and transmitting the obtained optimal control parameters to a controller of the product production system. 11. An input means, a first storage means storing a plurality of nonlinear optimization method programs, and knowledge for controlling the nonlinear optimization method programs, which is applied to all the nonlinear optimization method programs. a second storage means storing a plurality of possible common knowledge separately from the program of the nonlinear optimization method; b) retrieving at least one selected program of said nonlinear optimization method from said first storage means, (c) retrieving at least one said common knowledge from said second storage means, and (d) obtaining a solution. , applying the program of the nonlinear optimization method selected to the problem, (e) controlling the calculation process by the program of the nonlinear optimization method using at least one of the common knowledge, and ( f) A processor for repeating steps (c) to (e) until the solution becomes an optimal solution. 12. An input means, a first storage means storing programs of a plurality of nonlinear optimization methods, and knowledge for controlling the programs of the nonlinear optimization methods, which is applied to all the programs of the nonlinear optimization methods. a second storage means storing a plurality of possible common knowledge separately from the program of the nonlinear optimization method; b) retrieving at least one selected program of the nonlinear optimization method from the first storage means; (c) obtaining a solution;
applying the program of the nonlinear optimization method selected to the problem; (d) controlling the calculation process by the program of the nonlinear optimization method based on a control command output from the control processing means; e) nonlinear optimization processing means for repeating each process of steps (c) and (d) until the solution becomes an optimal solution, and (f) using the information obtained by the nonlinear optimization processing means, retrieving at least one said common knowledge from said second storage means;
and (g) a control processing means for outputting a control command for controlling the program-based calculation process of the nonlinear optimization method using at least one of the common knowledge. . 13. An input means, a first storage means storing a plurality of nonlinear optimization method programs, and knowledge for controlling the nonlinear optimization method programs, which is applied to all the nonlinear optimization method programs. a second storage means storing a plurality of possible common knowledge separately from the program of the nonlinear optimization method; b) retrieving at least one selected program of said nonlinear optimization method from said first storage means, (c) retrieving at least one said common knowledge from said second storage means, and (d) obtaining a solution. , apply the program of the nonlinear optimization method selected to the problem, (e) control the calculation process by the program of the nonlinear optimization method using at least one of the common knowledge, and (f ) If the optimal solution to the problem cannot be obtained by applying the program of the nonlinear optimization method, from the first storage means,
Extract programs for other nonlinear optimization methods, and (
g) A nonlinear optimization processing device characterized by comprising: a processor that executes each process of finding an optimal solution to the problem using a program of another nonlinear optimization method. 14. An input means, a first storage means storing a plurality of nonlinear optimization method programs, and knowledge for controlling the nonlinear optimization method programs, which is applied to all the nonlinear optimization method programs. a second storage means storing a plurality of possible common knowledge separately from the program of the nonlinear optimization method; a production system having processing equipment for manufacturing products; and a controller for controlling the processing equipment. (a) inputting information on a plurality of raw materials to be supplied to the production system and information on a model including constraints of the production system from an input means; and (b) performing at least one of the selected nonlinear optimizations. retrieving a program for the method from the first storage means; (c) at least one
retrieving the common knowledge from the second storage means;
(d) applying the selected nonlinear optimization method program to the model to obtain optimal control parameters; and (e) applying the selected nonlinear optimization method program to the model using at least one of the knowledge. (f) repeating steps (c) to (e) until optimal control parameters for the product production system are obtained; and (g) transmitting the obtained optimal control parameters to the controller. A product production system comprising: a processor that executes processing;
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23985990A JPH0782486B2 (en) | 1989-09-12 | 1990-09-12 | Non-linear optimization processing method and non-linear optimization processing device |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23651489 | 1989-09-12 | ||
| JP1-236514 | 1989-09-12 | ||
| JP23985990A JPH0782486B2 (en) | 1989-09-12 | 1990-09-12 | Non-linear optimization processing method and non-linear optimization processing device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH03188562A true JPH03188562A (en) | 1991-08-16 |
| JPH0782486B2 JPH0782486B2 (en) | 1995-09-06 |
Family
ID=26532715
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP23985990A Expired - Lifetime JPH0782486B2 (en) | 1989-09-12 | 1990-09-12 | Non-linear optimization processing method and non-linear optimization processing device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0782486B2 (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06162031A (en) * | 1992-11-24 | 1994-06-10 | Fujitsu Ltd | Inference method for scheduling |
| WO1996010219A1 (en) * | 1994-09-26 | 1996-04-04 | Kabushiki Kaisha Toshiba | Method and system for optimizing plant utility |
| JP2002351551A (en) * | 2001-05-30 | 2002-12-06 | Sintokogio Ltd | System and method for controlling damping for conveyance, controller thereof and storage medium thereof |
| JP2005174334A (en) * | 2003-12-10 | 2005-06-30 | Linde Ag | Method and device for suboptimal control by means of search strategy, and method and device for gas separation, particularly for cryogenic air separation |
| JP2020086706A (en) * | 2018-11-20 | 2020-06-04 | 日本製鉄株式会社 | Arithmetic unit, method and program for nonlinear planning problem |
| JP2021126684A (en) * | 2020-02-14 | 2021-09-02 | 日本製鉄株式会社 | Control device for rolling device, control method for rolling device, and control program for rolling device |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6421634A (en) * | 1987-07-17 | 1989-01-25 | Nec Corp | Knowledge base management system using common use limiting knowledge |
-
1990
- 1990-09-12 JP JP23985990A patent/JPH0782486B2/en not_active Expired - Lifetime
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6421634A (en) * | 1987-07-17 | 1989-01-25 | Nec Corp | Knowledge base management system using common use limiting knowledge |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06162031A (en) * | 1992-11-24 | 1994-06-10 | Fujitsu Ltd | Inference method for scheduling |
| WO1996010219A1 (en) * | 1994-09-26 | 1996-04-04 | Kabushiki Kaisha Toshiba | Method and system for optimizing plant utility |
| US5886895A (en) * | 1994-09-26 | 1999-03-23 | Kabushiki Kaisha Toshiba | Plant utility optimizing method and an optimizing system |
| JP2002351551A (en) * | 2001-05-30 | 2002-12-06 | Sintokogio Ltd | System and method for controlling damping for conveyance, controller thereof and storage medium thereof |
| JP2005174334A (en) * | 2003-12-10 | 2005-06-30 | Linde Ag | Method and device for suboptimal control by means of search strategy, and method and device for gas separation, particularly for cryogenic air separation |
| JP4611725B2 (en) * | 2003-12-10 | 2011-01-12 | リンデ アクチエンゲゼルシヤフト | Local optimization control method and apparatus by search method, and gas separation, especially low temperature air separation method and apparatus |
| JP2020086706A (en) * | 2018-11-20 | 2020-06-04 | 日本製鉄株式会社 | Arithmetic unit, method and program for nonlinear planning problem |
| JP2021126684A (en) * | 2020-02-14 | 2021-09-02 | 日本製鉄株式会社 | Control device for rolling device, control method for rolling device, and control program for rolling device |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0782486B2 (en) | 1995-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4413563B2 (en) | Integrated model predictive control and optimization in process control systems | |
| US5960441A (en) | Systems and methods for providing dynamic data referencing in a generic data exchange environment | |
| CN112558928A (en) | Virtual design environment | |
| JP4722388B2 (en) | Setting and browsing display screen for integrated model predictive control and optimizer functional blocks | |
| US9122261B2 (en) | Apparatus and method for real-time sequential quadratic programming in industrial process control systems | |
| US7600234B2 (en) | Method for launching applications | |
| US5710700A (en) | Optimizing functional operation in manufacturing control | |
| US20080244449A1 (en) | Apparatus and method for visualization of control techniques in a process control system | |
| CN109074061B (en) | Apparatus and method for generating industrial process graphics | |
| US5195026A (en) | Method and apparatus for computer controlled nonlinear optimization | |
| EP3086189B1 (en) | System architecture for control systems via knowledge graph search | |
| JP6947478B2 (en) | Systems and methods for creating a set of monitoring and effect blocks from the cause-effect matrix | |
| CN101398686A (en) | Adaptive industrial systems via embedded historian data | |
| EP0184423B1 (en) | Universal process control device and method | |
| JP2006516057A5 (en) | ||
| CN110892348B (en) | Traditional control function and NEWGEN control function in NEWGEN controller | |
| JPH03188562A (en) | Method and device for nonlinear optimization processing | |
| JP6761158B1 (en) | Program creation device, program creation method, and program | |
| EP3304282B1 (en) | System and method for replacing a live control/estimation application with a staged application | |
| Vishnu et al. | A data-driven digital twin framework for key performance indicators in CNC machining processes | |
| US11314216B2 (en) | Remote deployment and commissioning of workstations within a distributed control system | |
| JP4102137B2 (en) | Control program creation support system and support method thereof | |
| JPH03223901A (en) | Semiconductor manufacturing equipment | |
| JPH01108602A (en) | Sequence controller | |
| WO2017019438A1 (en) | METHOD AND SYSTEM FOR CO-OPERATIVE INTELLIGENT HMIs FOR EFFECTIVE PROCESS OPERATIONS |