[科普中国]-协调算法

原理关联预测法

关联预测法是关联预测原理在动态线性系统的应用。用这种方法可以避免在第二级中使用梯度型的迭代。它是通过对拉格朗日乘子向量λ和相互作用向量z的预测来分解动态线性系统的。

目标协调法目标协调法是关联平衡原理在动态线性系统的应用。这个方法的基础是将原来的最小化问题转化成比较简单的最大化问题，然后用二级迭代计算结构来求解。它是通过预测拉格朗日乘子向量兄，把原系统分割成N个独立不相关的子系统来单独求解的。

优势对于一个复杂的大规模系统来说，想用一个单一的决策单元来解决它的优化或控制问题是很困难的，因为决策单元处理信息的能力毕竟是有限的。

在递阶控制结构中，用分解协调算法，同级的求解计算可以并行地进行，所以在一个给定的时期内，有可能做更多的工作。同时，对设备要求递阶控制结构比集中求解要来得低，因此，可以用现有的有限资源解决更多的、更复杂的问题。

对于各个独立的决策单元来说，为使它们能实现系统的总体控制目标，采用协调器的形式集中处理各个决策单元之间的关系，要比在所有决策单元之间相互进行通信要简单有效得多。

对许多大型企业系统而言，其组织形式也具有多层次递阶结构特征，且优化是组织管理的一个目标，那么很自然地采用递阶控制优化的结构形式。

这种结构的灵活性和可靠性也比较好，因为在这种多级的分散系统中，任何由于子过程的改变而要求决策的改变都是局部性的，因此费时少，成本低。

对于一个复杂系统来说，要建立其模型，往往是由具体的物理设备到较高级的控制功能按层次来实现的。同样，在设计或重建一个系统时，也都是从最下层包括过程在内的直接控制装置开始的，然后再逐步添加高层的控制决策单元，以增加复杂性和扩展其功能。所以都隐含了这种内在的递阶形式。

建模步骤科学家和工程师常常要对许多实际问题进行分析、设计和综合，在这样的研究工作中，第一步就是要提炼一个能代表实际问题的“数学模型”。

在任何系统建模工作中普遍存在着两个常常矛盾的因素，即“简单化”和“精确化”。很明显，我们必须在较精确的复杂模型和较不精确的简单模型之间采用折中的方案。实现这样的方案不是一项简单的任务。

第一，必须明确地定义模型的目标，一个模型不可能适用于各种目标。第二，必须定义划分系统和外部世界的系统边界。第三，必须定义不同的系统元件间的结构关系，使它能最好地表达所要求的或观测到的作用。第四，必须根据模型的物理结构定义一组感兴趣的系统变量。如果不能列出具有重要意义的系统变量，必须相应地修改第三步。第五，必须写出每个系统元件的数学描述，它有时称为基本方程。第六，在写完各系统元件的数学描述后，通过物理上一系列的守恒定律(或连续性定律)和相容性定律，如牛顿定律、克希荷夫定律、达朗贝尔定律，建立他们之间的关系。第七，基元方程、连续性方程和相容性方程必须进行数学处理，以便最终确定模型的数学格式。最后，就是分析模型，把模型与实际情况进行比较。