- •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
12.Теорема об оптимальности пассивного поиска.
Т. 1)Если N=2k-1, то предлагаемый алгоритм является оптимальным.
2)Если N=2k то оптимального алгоритма не существует.
13.Последовательные методы поиска экстремума.
В алгоритмах последовательного поиска очередная точка, в которой производится эксперимент, выбирается с учетом информации, полученной в предыдущих опытах. Рассмотрение этих алгоритмов начинается с блочного поиска, которые сочетают в себе пассивные и последовательные стратегии поиска. При этом вычисления в точках объединены в блоки, в каждом из которых проводится одновременно ni экспериментов), общее число экспериментов будет ), т.е. блок - это совокупность из нескольких экспериментов, которые проводятся одновременно (пассивный поиск). Результаты, полученные в (i-1)-м блоке, становятся известны перед началом экспериментов в i-м блоке {xij (j=1,2,…,ni}(последовательный поиск). Если размеры блоков равны единице, т.е. ni=1, то мы имеем обычный последовательный алгоритм поиска. К методу активного поиска относятся также: алгоритм деления интервала пополам(алгоритм блочного поиска, но n-число экспериментов в блоке=3), метод дихотомии(Это алгоритм блочного поиска для ni=n=2, т.е. когда в блоке два эксперимента.), симметричные методы-метод зол сечения и чисел Фибоначчи(т.е. точки, в которых выполняются два эксперимента, на основе которых происходит уменьшение отрезка неопределённости, расположены симметрично относительно середины отрезка.)
14. Метод поразрядного поиска.
представляет собой усовершенствованный метод перебора;
поиск точки минимума осуществляется с переменным шагом.
Краткое описание алгоритма:
Вводится начало и конец отрезка a, b и точность E.
Выбор начального шага h = b-a4;
Задаем x0= a. Вычисляем F(x0), N=1;
Предположим, что мы идем вправо +h. x1=x0+h . Вычисляем значение F(x1), N=N+1;
Сравнить F(x0) и F(x1). Если F(x0) >F(x1), переходим к шагу 5, иначе к шагу 6;
x0= x1, F(x0)=F(x1). Проверка на то, не вышли ли мы на границу a<x0<b?
Если да: идем на шаг 3;
Если нет: идем на шаг 7.
Функция начала расти, переходим шаг 7.
|h|<=E?
Если да: “точность достигнута” x~ = x0, y~= F(x0), Eгар = h. И выводим рез-ты;
Если нет: “точность не достигнута - меняем направление”
x0=x1, F(x0)=F(x1), h = -h/4 и идем на шаг 3.
15. Метод дихотомий
Этот метод является методом прямого поиска;
В нем при поиске экстремума целевой функции используются только вычисленные значения целевой функции.
Краткое описание алгоритма:
Вводится a, b, E, sigma. Причем sigma << E. N= 0;
x = (a+b)/2; y1=f(x-sigma); y2=f(x+sigma); N=N+2;
y1<y2?
Если да: b = x+sigma;
Нет: a = x - sigma;
Проверка условия достижения заданной точности: b-a > 2E?
Если да: возвращаемся к шагу 2;
Нет: x~ = (a+b)/2; y~ = f(x~0); Eгар = (b-a)/2. Вывод x~, y~, Eгар, N.
16. Метод деления отрезка пополам
последовательный метод;
Суть метода деления отрезка пополам состоит в разбиении отрезка [a, b] (при условии f(a)f(b) < 0) на два отрезка, определении знака функции f(x) через производную в середине отрезка (a + b)/2 и выборе отрезка, на котором функция непрерывна, меняет знак и содержит решение;
Далее применяем алгоритм решения.
Краткое описание алгоритма:
Входные данные: f(x), a, b, ε.
x = (a + b)/2
Если f(a)·f(x) < 0, то b = x, иначе если f(x)·f(b) < 0, то a = x.
Если |b - a| > 2ε, то идти к 1.
x = (a + b)/2.
Выходные данные: x.
Значение x является решением с заданной точностью ε нелинейного уравнения вида f(x) = 0.
Если f(x) = 0, то x — точное решение.
!!! Дополнить рисунком (пометка самому себе)