ہائیرکر کنٹرول سسٹمز جدید آوٹمیشن کے بیک اپ مرتب کرتے ہیں، صنعتوں، توانائیوں، توانائیوں کے ڈھیروں میں منظم کرنے کے لیے پیچیدہ طریقے وضع کیے جاتے ہیں۔ ان نظاموں میں سے ہر ایک کو الگ الگ کر کے مختلف پرے میں تقسیم کرتا ہے۔

بِل‌وقتی خدمت کو سمجھ لینا

Bilevel ophimation) ریاضیاتی پروگرامنگ کی ایک شاخ ہے جہاں ایک ترجیحی مسئلہ (اپری سطح) ایک اور وفاقی مسئلہ (کم سطح) ہوتا ہے. بالائی سطح کے فیصلے کرنے والے ایک حکمت عملی کا انتخاب کرتے ہیں، ایک ایسی ترکیب جو ذیلی سطح کے کھلاڑی اپنی پسند کے مسائل کو حل کر کے جواب دے گا۔یہ ترکیب قدرتی طور پر لیڈر-پرفارمنس، اسٹیکل گیمز اور کثیر سطح کے فیصلے پر گرفت کرتی ہے۔

فارمل طور پر ایک معیاری ڈویژنل مسئلہ کا اظہار یوں کیا جا سکتا ہے:

بالائی سطح: کمف(x, y) زیریں جی(x, y) 0, جہاں Y سب سے نچلی سطح کے مسئلے کا عارضی حل : کمف (x, y) زیریں G(x, y) 0۔

یہاں ایکس اوپری سطح کے متغیرات کی نمائندگی کرتا ہے (مثلا، اسٹریٹجک ہدف یا ڈیزائن پیرامیٹرز)، اور Y کا مطلب ذیلی سطح کے متغیرات (مثلاً، عملیاتی تناسب)۔ ذیلی سطح کا مسئلہ ایکس پر منحصر ہوتا ہے جو کہ غیر حقیقی طور پر نونوکس اور اکثر N-H. عام طور پر اقسام میں قابل اعتماد خلیات اور واحد متحرک متحرک متحرک کثیر المرکزی ساختوں پر مشتمل ہوتا ہے۔

ہائیرکرکل کنٹرول سسٹمز: ایک سٹرکچرل پروڈیوس کرتا ہے۔

ہائیرکر کنٹرول سسٹمز فیصل ای میل کو ٹکڑوں میں منظم کرتا ہے، انتہائی منظم تین: اسٹریٹجک (مریخ پر طویل مدت)، برقی (مریخ) اور عملیاتی (اُردو)۔ اوپر، اسٹریٹجک فیصلوں پر، جیسے کہ پیداواری ہدف یا توانائی کے انتظامات،

مثال کے طور پر، ایک ہیریارکل کنٹرول سسٹم میں اوپر، اوپر میں ایک انٹرپرائز وسائل کی منصوبہ بندی (ARP)، صنعت کی کارکردگی (MS) کا نظام (MS) اور زیریں جانب موجود پروگرام میں قابل استعمال منطقی نظام (PLC) کا نمودار ہوتا ہے.

ہائیرچ کنٹرول ڈیزائن میں Bilelele Optimization

اصل تصور پورے ردوغزل کو بِلي سطح کے طور پر حل کرنا ہے. اوپری سطح پر موجود سطح تیزی، اسٹریٹجک تہ کی نمائندگی کرتی ہے، جبکہ زیریں سطح پر گرفت تیز تر، عمليي سطح پر گرفت کی جاتی ہے. بالاي مقصد مجموعی توانائی استعمال، تناسب، تناسب یا اخراجات کو کم کرنا ہو سکتا ہے. ذیلی سطح کے مسائل ماڈلوں کو عملی حدود، حفاظتی حدود، یا اس طرح سے محفوظ حدیں سے مطمئن کرنا ہو سکتا ہے کہ کسی بھی ممکنہ حل کے لیے مطمئن ہونا چاہیے۔

اس فارمنگ کے حساب سے کہ ذیلی سطح کے خلیات خود اپنے ہی اپنے مقامی مقاصد کو خود مختار کر رہے ہیں (مثلاً، ایک سیٹ پوائنٹ یا غیر جانبدارانہ غلطی کو زیریں سطح کے ماڈل میں شامل کر کے، ڈیزائنر نظام نظام کے نظام کے مطابق درستی اور زیر بحث مصالحت حل کی پیش گوئی کر سکتے ہیں جو ہر سطح کے علاج سے نتیجہ میں پیدا ہو گا۔

پیداواری مصنوعات میں اطلاق : پیداواری منصوبہ بندی اور اسکیڈنگ

ایک ایسی فیکٹری پر غور کریں جہاں اوپر کی سطح کے فیصلوں نے ہر پیداوار کی لائن کے لیے ہفتہ وار پروگرام قائم کیے، جبکہ نچلی سطح کے شیڈول مشین استعمال اور ورکرز۔ اوپری سطح کا مقصد منافع کو کم قیمت سے کم قیمت سے کم قیمت کے ساتھ پورا کرنے کی کوشش کرتا ہے۔

Energy Management میں اطلاق: Microgrid کنٹرول (Mecrogrid control) ہے۔

قابل تجدید نسل، ذخیرہ اور کنٹرول کردہ بوجھ کے ساتھ مائیکروگرام میں بجلی کی منتقلی کا شیڈول 24 گھنٹے کے اوپر بنایا گیا ہے، کارگو قیمت اور بیٹری خوارک کی کمی۔ اصل وقت میں کم تر درجہ بندی، تبدیلی اور آلودگی کو یقینی بنایا گیا ہے

Robotics میں اطلاقیہ: Multi-Robot Countyion -

ایک خودکار موبائل روبوٹ کے ایک پَر کے لئے ، بلندترین سطح کے حساب سے روبوٹز اور راستوں کے لئے کام اور راستوں کے لئے مختص کئے جاتے ہیں جبکہ ہر روبوٹ کے مقامی نظام کے اپنے راستے اور رفتار سے بچنے کے لئے اپنی مرضی اور توانائی کو استعمال کرنے کی کوشش کرتا ہے ۔

بِل‌وقتی خدمت کے اہم فوائد

ہائیرچ کنٹرول ڈیزائن میں bilelele properimization کی منظوری کئی الگ الگ فوائد رکھتی ہے:

  • [Imptivision:] [] زیر جواب دینے سے، سطح کے اوپری سطح کے فیصلوں میں کمی، اختلافات اور عدم استحکام کے بارے میں واضح طور پر سامنے آنے والی
  • [Ennhansand Estruction: دوبارہ شروع ہونے والی توانائی، مشین وقت سے لے کر لیکر لیکر لیفٹ توانائی تک، زیادہ واضح طور پر بن جاتی ہے کیونکہ بالائی سطح پر فیچر اپنے فیصلوں کی حقیقی قیمت کو دیکھتا ہے۔
  • Flexibility and Robustness: [bilegformations on uniting information information on afiring -- مثال کے طور پر، vlevel stach omical programming یا stronomation -
  • Scalability to largest Systems: اگرچہ silectionly struction، حیاتیاتی نمونے قدرتی طور پر زیرجوہری طور پر زیر آب کیے جا سکتے ہیں جنہیں متوازی الموت یا Eproxymations سے حل کیا جا سکتا ہے۔

مشکلات اور حالیہ تحقیق کی راہنمائی

کو دیکھیں ۔

بنیادی طور پر مسائل مشکل ہیں. گنبد کی ساخت نوکونوو، غیرسموت اور کبھی کبھی کسی مقصد کے لیے غیر کار آمد کا باعث بنتی ہے. سولنگ کثیر التعداد ماڈلز کے ذریعے حقیقی وقت پر کنٹرول کے لیے ابھی تک کھلا چیلنج تیار کیا گیا ہے. طالب علموں نے کئی مہمیں بنائیں:

  • اصلاحی عمل کو KKT کی شرائط استعمال کرتے ہوئے: اپنے کاروس–Kuhn–Tucker حالات کے ساتھ نچلے درجے کا مسئلہ کو ایک اکائی میں تبدیل کر دیتے ہیں
  • Evolutionary Alphabeths: Metaheuristics مثلاً جینیاتی الجبرا (genetic Alphabeths) اور particle part Optpt Prespt Puntimation (nnconvexization) کو ناقابل برداشت کر سکتے ہیں، اگرچہ وہ غیر مشروط ضمانتوں کو ہاتھ میں نہیں رکھتے ہیں۔
  • Gradient- بنیاد پر طریقہ کار : [1] نچلے سطح کے مسائل کے ذریعے Agdiants کے ذریعے gradunts کے ذریعے graduction کے ذریعے (مثلاً، servation production theorem) کے ذریعے sible producation کے لیے قابل بناتا ہے، خاص طور پر مشین سیکھنے کے شعبوں میں۔

حقیقی وقت

بہت سے ہیئرچ کنٹرول سسٹمز فیصل تجدید کی ضرورت ہے سیکنڈ یا ملی سیکنڈ میں. سولنگ ایک ڈویژن مسئلہ کو ہر وقت کو گرانے سے حاصل ہونے والا ایک ڈویژنل میں ہے.

  • پر مبنی ایکسچینج: تربیتی نُناعی نیٹ ورک سے پیمائش کے لیے پیمائش سے لے کر پیمائش تک کے جوہری حل کے بارے میں معلومات حاصل کرنے کے لیے تربیتی نظام کو استعمال کیا جاتا ہے۔
  • ] وارم- ستارہکاری اور اعتماد-region طریقوں : سابق حل اور مقامی ماڈلز کو انفلیشن کے لیے منظم کرنا۔
  • [Distributed bilele funtimation: مسئلہ کو حل کرنے کے لیے تمام شمسی نظام کو حل کرنے کے لیے

ڈیٹا انساب اور غیر یقینی ہے۔

ہائیرکرکل سسٹم اکثر سینسر اور پیشینگوئیوں سے حقیقی وقتی اعداد و شمار پر انحصار کرتے ہیں. بِلول ماڈلوں کو مطلوبہ، قابل تجدید نسل یا نظام فعالات میں غیر یقینی تبدیلی میں شامل کرنا ضروری ہے. Robust اور اسکوارک felecult prodition کے فعال شعبے ہیں. مثال کے طور پر، ایک غیر یقینی شکل کے حاملہ (vilevel) نتائج جو پہلے طے شدہ کسی غیر یقینی طور پر غیر یقینی طور پر غیر یقینی طور پر غیر یقینی طور پر غیر یقینی طور پر غیر یقینی ہونے کے لیے ناقابل یقین ہیں۔

مستقبل کی ہدایات

مشین سیکھنے کے ساتھ ساتھ bilelele ophimation spect بالخصوص قابل اعتماد ہے End-to-d-d-vo-f-f-f-f-f-ferves servation ایک ذیلی سطح کے مسئلے کو متحرک کرنے، انفنٹری نیٹ ورک میں باہمی مطابقت پیدا کرنے، انفصابات کو قابل بنانے اور ڈیزائن کرنے کے عمل کو پہلے ہی سے ہی ماڈل کنٹرول (MC) اور سیکھنے کے لیے استعمال کیا گیا ہے۔

ایک اور حدیث کو نیٹ ورک نظام کے لیے تقسیم کیا گیا Bhilele bilelele-foundization[1:1].

آخر میں، ]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]] میں وہ تمام اعلیٰ اور ذیلی ماڈلز کو اپ ڈیٹ کرنے والے ڈیٹا کو غیر یقینی ماحول میں کام کرنے والے خود مختار نظاموں کے لیے تنقیدی طور پر تنقیدی طور پر استعمال کرنے والے متحرک ہونے کی توقع کی جاتی ہے۔

کُنَّا

سطح مرتفع (periodition)، حرارچ کنٹرول سسٹمز کو ڈیزائن کرنے کے لیے ایک مضبوط اور مؤثر فریم فراہم کرتا ہے جو حکمت عملی اور عملی سطح کے درمیان فرق کو یقینی بناتے ہیں. یہ روایتی اور غیر فعال سطحوں کے درمیان باہمی فیصلے کرنے سے بہتر فیصلے کرنے کے قابل ہوتا ہے. اگرچہ اصل وقت یا بڑے پیمانے پر جاری رہنے کے لئے، مشین میں استعمال،