- •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
Методы покоординатного спуска
Сущность метода.
Поиск экстремума ведется в направлении осей координат, т.е. в процессе поиска изменяется только одна координата. Таким образом, многомерная задача сводится к одномерной.
Алгоритм метода.
Первый цикл:
1 шаг. x1 = var, х2 = х20, х3 = х30, хn = хn0.
Ищем экстремум функции f(х1). Положим, экстремум функции в точке х11.
2 шаг. x1 = х11, x2 = var, х3 = х30, хn = хn0.
Экстремум f(х2) равен х21.
n шаг. x1 = х11, x2 = х21, x3 = х31,xn = var.
В результате выполнения n шагов найдена новая точка приближения к экстремуму .
Далее проверяем критерий окончания счета:
если – решение найдено, в противном случае выполняем еще один цикл.
____________________Вопрос 34____________________
Метод покоординатного спуска с постоянным шагом
Схема алгоритма покоординатного спуска с постоянным шагом
Шаг 1.
При к = 0 вводятся исходные данные х0, ε1, α .
Шаг 2.
Осуществляется циклический по j (j=1,2,…,n) покоординатный спуск из точки хkn по формуле:
Шаг 3.
Если ||x(k+1)n–xkn||1, то поиск минимума заканчивается, причем:
Иначе к=к+1 и переходим к шагу 2.
Если же шаг выбирается из условия минимума функции:
то мы получаем аналог метода наискорейшего спуска, называемый обычно методом Гаусса – Зейделя.
____________________Вопрос 35____________________
Метод покоординатного спуска с дроблением шага
____________________Вопрос 36____________________
Метод Гаусса-Зейделя
Схема метода Гаусса – Зейделя
Шаг 1.
При к=0 вводятся исходные данные х0,1.
Шаг 2.
Осуществляется циклический по j (j=1,2,…,n) покоординатный спуск из точки хkn по формулам:
где kn+j-1 является решением задачи одномерной минимизации функции:
Шаг 3.
Если ||x(k+1)n–xkn||1, то поиск минимума заканчивается, причем:
Иначе к = к + 1 и переходим к шагу 2.
____________________Вопрос 37____________________
Постановка задач линейного программирования
Математически задача линейного программирования (ЗЛП) заключается в нахождении наибольшего или наименьшего значения линейной функции многих переменных при линейных ограничениях типа равенств и неравенств, когда на переменные есть или нет ограничений на знак.
В общем случае математическая постановка задачи линейного программирования может быть записана в виде:
(1)
(2) ,
(3) ,, (1.1)
(4) ,.
Здесь — целевая функция, линейная относительно своих аргументов, — число переменных,— число ограничений задачи. Условия (2), (3) задают линейные ограничения на ресурсы в виде неравенств и равенств, условия (4) определяют ограничения на знак переменных.
Целевая функция , где выражает критерий оптимизации, отражающий основную цель преследуемую субъектом управления — повышение эффективности использования ресурсов. В производственной сфере показателями эффективности являются обычно выручка или прибыль, что приводит к задачам максимизации. Именно (1.1) представляет собой формулировку задачи максимизации целевой функции.
Решением задачи линейного программирования являются оптимальные значения управляемых переменных, которые обеспечивают максимум или минимум целевой функции.
____________________Вопрос 38____________________