Оптимизация

Если Вам нужно изучить поведение модели при каких-то заданных условиях или улучшить производительность модели, найдя значения параметров, при которых достигается наилучший результат работы модели, то Вы можете воспользоваться возможностью оптимизации модели AnyLogic. Оптимизация модели AnyLogic заключается в последовательном выполнении нескольких прогонов модели с различными значениями параметров и нахождении оптимальных для данной задачи значений параметров.

В AnyLogic встроен оптимизатор OptQuest – лучший из предлагаемых сегодня оптимизаторов. Оптимизатор OptQuest автоматически находит лучшие значения параметров модели с учетом заданных ограничений. AnyLogic предоставляет удобный графический интерфейс для конфигурирования и отслеживания хода оптимизации. 

Оптимизация состоит из нескольких последовательных прогонов модели с различными значениями параметров. Комбинируя эвристики, нейронные сети и математическую оптимизацию, OptQuest позволяет находить значения параметров модели, соответствующие максимуму или минимуму целевой функции, как в условиях неопределенности, так и при наличии ограничений.

Начиная с версии 6.5.1 AnyLogic поддерживает возможность экспорта моделей, содержащих оптимизационые эксперименты, в качестве отдельных Java приложений.

Если процессор Вашего компьютера имеет несколько ядер, то при запуске эксперимента AnyLogic автоматически определит, сколько ядер доступно, и будет параллельно выполнять сразу несколько итераций эксперимента на различных ядрах процессора. Таким образом может быть достигнуто многократное увеличение производительности, и выполнение эксперимента на многоядерном процессоре может быть завершено в несколько раз быстрее, чем на процессоре с одним ядром.

 Чтобы оптимизировать модель

1. Создайте оптимизационный эксперимент.
2. Задайте целевой функционал (функцию, которую нужно минимизировать или максимизировать).
3. Задайте оптимизационные параметры (параметры, значения которых будут меняться).
4. Задайте ограничения, которые будут наложены на значения параметров и переменных.(опционально).
5. Задайте условия остановки прогона.
6. Задайте условия остановки оптимизации.
   
7. Запустите оптимизационный эксперимент.

Процесс оптимизации представляет собой итеративный процесс, который состоит в том, что:

• Оптимизатор OptQuest выбирает допустимые значения оптимизационных параметров и запускает модель с этими значениями.
• Завершив "прогон" модели, OptQuest вычисляет значение целевой функции на момент завершения.
• Оптимизатор анализирует полученное значение, изменяет значения оптимизационных параметров в соответствии с алгоритмом оптимизации и процесс повторяется заново.