協調算法是各子系統先根據自己局部的目標作出決策，由於子系統的利益間往往互有衝突，需要在上一級對各子系統的決策加以協調，協調是一個疊代過程，協調結束時，得到的決策不僅對大系統(全局)是最優的，對子系統(局部)也是最優的。
基本介紹
- 中文名：協調算法
- 外文名：Coordinationalgorithms
- 套用：動態線性系統
- 原理：關聯預測原理、關聯平衡原理
原理,關聯預測法,目標協調法,優勢,建模步驟,
原理
關聯預測法
目標協調法
目標協調法是關聯平衡原理在動態線性系統的套用。這個方法的基礎是將原來的最小化問題轉化成比較簡單的最大化問題，然後用二級疊代計算結構來求解。它是通過預測拉格朗日乘子向量兄，把原系統分割成N個獨立不相關的子系統來單獨求解的。
優勢
對於一個複雜的大規模系統來說，想用一個單一的決策單元來解決它的最佳化或控制問題是很困難的，因為決策單元處理信息的能力畢竟是有限的。
在遞階控制結構中，用分解協調算法，同級的求解計算可以並行地進行，所以在一個給定的時期內，有可能做更多的工作。同時，對設備要求遞階控制結構比集中求解要來得低，因此，可以用現有的有限資源解決更多的、更複雜的問題。
對於各個獨立的決策單元來說，為使它們能實現系統的總體控制目標，採用協調器的形式集中處理各個決策單元之間的關係，要比在所有決策單元之間相互進行通信要簡單有效得多。
對許多大型企業系統而言，其組織形式也具有多層次遞階結構特徵，且最佳化是組織管理的一個目標，那么很自然地採用遞階控制最佳化的結構形式。
這種結構的靈活性和可靠性也比較好，因為在這種多級的分散系統中，任何由於子過程的改變而要求決策的改變都是局部性的，因此費時少，成本低。
對於一個複雜系統來說，要建立其模型，往往是由具體的物理設備到較高級的控制功能按層次來實現的。同樣，在設計或重建一個系統時，也都是從最下層包括過程在內的直接控制裝置開始的，然後再逐步添加高層的控制決策單元，以增加複雜性和擴展其功能。所以都隱含了這種內在的遞階形式。
建模步驟
科學家和工程師常常要對許多實際問題進行分析、設計和綜合，在這樣的研究工作中，第一步就是要提煉一個能代表實際問題的“數學模型”。
在任何系統建模工作中普遍存在著兩個常常矛盾的因素，即“簡單化”和“精確化”。很明顯，我們必須在較精確的複雜模型和較不精確的簡單模型之間採用折中的方案。實現這樣的方案不是一項簡單的任務。
第一，必須明確地定義模型的目標，一個模型不可能適用於各種目標。第二，必須定義劃分系統和外部世界的系統邊界。第三，必須定義不同的系統元件間的結構關係，使它能最好地表達所要求的或觀測到的作用。第四，必須根據模型的物理結構定義一組感興趣的系統變數。如果不能列出具有重要意義的系統變數，必須相應地修改第三步。第五，必須寫出每個系統元件的數學描述，它有時稱為基本方程。第六，在寫完各系統元件的數學描述後，通過物理上一系列的守恆定律(或連續性定律)和相容性定律，如牛頓定律、克希荷夫定律、達朗貝爾定律，建立他們之間的關係。第七，基元方程、連續性方程和相容性方程必須進行數學處理，以便最終確定模型的數學格式。最後，就是分析模型，把模型與實際情況進行比較。
