- •Расчетные задания на тестирование
- •Метод перебора.
- •Метод перебора.
- •1. Математическая постановка задачи оптимизации.
- •2. Понятие о численных методах оптимизации. Методы поиска нулевого, первого и второго порядков. Пассивные и активные (последовательные) методы поиска.
- •3. Конечно шаговые и бесконечно шаговые методы поиска. Сходимость методов. Условия останова методов поиска.
- •4. Теорема существования решения оптимизационной задачи.
- •5. Необходимые условия экстремума первого и второго порядков
- •6. Достаточные условия экстремума (гладкие функции одной
- •7. Необходимые условия экстремума первого порядка (гладкие функции многих переменных).
- •8. Одномерная безусловная оптимизация. Унимодальная функция. Лемма о свойстве унимодальных функций.
- •9.Пассивные методы поиска экстремума.
- •10.Метод перебора.
- •11. Алгоритм оптимального пассивного поиска.
- •12.Теорема об оптимальности пассивного поиска.
- •13.Последовательные методы поиска экстремума.
- •14. Метод поразрядного поиска.
- •15. Метод дихотомий
- •16. Метод деления отрезка пополам
- •17. Метод золотого сечения
- •20. Метод средней точки
- •24 Поиск по образцу.
- •26 Метод симплекса.
- •27 Метод циклического покоординатного спуска.
- •28. Градиент. Градиент и направление роста целевой функции. Градиент и линия уровня.
- •29 Градиентные методы
- •30 Градиентный метод с постоянным шагом.
- •31 Градиентный метод с дроблением шага.
- •Метод наискорейшего спуска
- •Методы покоординатного спуска
- •Метод покоординатного спуска с постоянным шагом
- •Метод покоординатного спуска с дроблением шага
- •Метод Гаусса-Зейделя
- •Постановка задач линейного программирования
- •Способы перехода от одной формы задачи лп к другой
- •Базисное решение задачи лп Симплексный метод решения задач линейного программирования
- •Связь базисных решений с угловыми точками (вершинами) множества допустимых решений
- •Графический метод решения задачи лп
- •Симплекс-метод решения задачи лп
- •Метод искусственных переменных
5. Необходимые условия экстремума первого и второго порядков
Необходимое условие существования экстремума функции: если х = х0 - точка экстремума, то f /(x0) =0 или f /(x0) не существует. Точки, в которых f /(x0) обращается в нуль или не существует, называется критическими.
6. Достаточные условия экстремума (гладкие функции одной
переменной).
Достаточное условие существования экстремума функции: если функция y=f(x) непрерывна в точке х = х0 и ее окрестности, дифференцируема в этой окрестности, кроме, быть может, самой точки, и производная y’=f’(x) при переходе через точку х = х0 меняет свой знак, то функция имеет экстремум при х = х0 .
При этом х = х0 - точка максимума, если знак меняется с « + » на « - », и х = х0 - точка минимума, если знак меняется с « - » на « + » .
7. Необходимые условия экстремума первого порядка (гладкие функции многих переменных).
8. Одномерная безусловная оптимизация. Унимодальная функция. Лемма о свойстве унимодальных функций.
Задача одномерного поиска формулируется следующим образом: требуется найти максимум (минимум) функции одной переменной f(x), заданной на единичном отрезке. x*=argmin (max) f(x), x принадлежит X. X–множество допустимых точек, среди которых ищется x*. X=[a, b] – отрезок неопределенности. А относительно f(x), предполагают, что она унимодальна.
Функция f (x) называется унимодальной на отрезке [a, b] , если она непрерывна на [a, b] и существуют числа α и β , a ≤α ≤ β ≤b , такие, что:
1)если a <α , то на отрезке [a, α] функция f (x) монотонно убывает;
2)если β < b , то на отрезке [β, b] функция f (x) монотонно возрастает;
3) при x [α, β] выполняется f (x) = f = min f (x) на отрезке [a,b]
Свойства унимодальных функций:
1) Любая из точек локального минимума унимодальной функции является и точкой ее глобального минимум на отрезке [a,b].
2) Функция, унимодальная на отрезке [a,b], унимодальна и на любом меньшем отрезке [c,d]⊂[a,b].
3) Пусть f(x) унимодальна на [a,b] и a≤x1<x2≤b. Тогда:
если f(x1)≤f(x2), то x*∈[a,x2],
если f(x1)>f(x2), то x*∈[x1,b]
9.Пассивные методы поиска экстремума.
10.Метод перебора.
Метод перебора или равномерного поиска является простейшим методом минимизации и заключается в следующем. Разобьем отрезок [a, b] на N+1 равных частей точками деления xi = a + i*((b-a)/(N+1)), где i=1,2,3..N. Вычислим значения f(x) в точках 𝑥𝑖 . Найдем точку xl , для которой значение целевой функции минимально
Точность найденного решения 𝑥̃определяется по формуле: x*-xгарант , где гарант =((b-a)/(N+1))
Если необходимо найти приближенное решение с заданной точностью ε, то минимальное число экспериментов N для достижения этой точности определяется из условия гарант =((b-a)/(N+1))
N = Nрасч = minNZ{N:Nb-a-1}
11. Алгоритм оптимального пассивного поиска.
Минимаксный метод поиска, в котором информация о значениях функции, вычисленных в предшествующих точках, не может быть использована, называют оптимальным пассивным поиском.
Алгоритм:
Отрезок [a,b] исходный отрезок неопределенности. Пусть N - число точек, в которых необходимо провести вычисления целевой функции f(x), т.е. N экспериментов. Точки, в которых необходимо провести эксперименты, определяются следующим образом:
Если N = 2k-1 - нечетное, то xi = a + i*((b-a)/(N+1)), где i=1,2,3..N
Если N = 2k - четное, то x2i = a + i*((b-a)/(k+1)), x2i-1 =x2i - , где i=1,2,3..k
Среди вычисленных значений {f(xi)} (i=1,N), ищется точка xj, в которой достигается минимум: f(xj)= min f(xi) (min от 1 до N)
Найденная точка принимается за приближенное решение задачи x = xj. Исходный отрезок неопределенности [a,b] после экспериментов в N точках сужается до [xj-1,xj+1], длина которого равна:
Точность найденного решения x равна половине отрезка неопределенности, т.е. x*-x. , где = 1/2*LNи x* - точное решение.