- •Предисловие
- •1.1. Постановка и классификация задач
- •1.2. Основные определения
- •1.3. Классический метод определения экстремума функции
- •Контрольные вопросы и задания
- •Глава 2. Одномерная оптимизация
- •2.1. Интервал неопределенности
- •2.2. Метод дихотомии
- •2.3. Метод фибоначчи
- •2.4. Метод золотого сечения
- •2.5. Метод квадратичной интерполяции
- •Контрольные вопросы и задания
- •Глава 3. Оптимизация функций нескольких переменных
- •3.1. Методы прямого поиска
- •3.1.1. Метод покоординатного спуска
- •3.1.2. Метод поиска Хука – Дживса
- •Метод Розенброка (метод вращающихся координат)
- •Метод Нелдера-Мида (метод деформируемого многогранника)
- •Метод сопряженных направлений Пауэлла
- •3.1.6. Методы случайного поиска
- •3.2. Градиентные методы
- •3.2.1. Метод наискорейшего спуска
- •Метод сопряженных градиентов Флетчера и Ривса
- •3.3. Методы второго порядка
- •3.3.1. Метод Ньютона
- •3.3.2.Метод Дэвидона - Флетчера - Пауэлла
- •Итерационная процедура Дэвидона-Флетчер-Пауэлла может быть представлена последовательностью шагов.
- •Контрольные вопросы и задания
- •Глава 4. Условная оптимизация
- •4.1. Множители лагранжа
- •4.2. Условия куна - таккера
- •Методы решения задач условной оптимизации
- •4.3.1. Метод последовательной безусловной оптимизации
- •4.3.2.Метод скользящего допуска
- •Контрольные вопросы и задания
- •Глава 5. Линейное программирование
- •5.1. Постановка задачи лп
- •Тогда задача лп (1) - (3) запишется в виде
- •5..2. Каноническая и стандартная формы задачи лп
- •5.3. Симплекс - метод
- •Порождение начального допустимого базисного решения
- •Двойственность в линейном программировании
- •5.6. Транспортная задача
- •Контрольные вопросы и задания
- •Заключение
- •Библиографический список
- •Глава1. Безусловная оптимизация………..………4
- •Глава 2. Одномерная оптимизация………..….…….9
- •Глава 3. Оптимизация функций нескольких переменных………………………………………..….…..20
- •Глава 4. Условная оптимизация…………………..49
- •Глава 5. Линейное программирование…………..60
- •Лидия Ивановна Лыткина Методы оптимизации с программами в системе mathcad
- •660014, Красноярск, просп. Им. Газ. ”Красноярский рабочий”, 31.
Метод Нелдера-Мида (метод деформируемого многогранника)
Чтобы можно было оценить метод Нелдера -Мида, кратко рассмотрим поиск по регулярному многограннику, предложенный Спендли, Хекстом и Химсвортом.
Регулярным многогранником (симплексом) в n-мерном пространстве называется множество из (n+1)-ой равноудалённой точки. На плоскости симплексом является равносторонний треугольник, в пространстве - правильный тетраэдр.
Из аналитической геометрии известно, что координаты вершин регулярного симплекса определяются следующей матрицей D размерности :
где t - расстояние между двумя вершинами. Столбцы этой матрицы являются координатами вершин симплекса.
При оптимизации этим методом целевая функция вычисляется в каждой вершине регулярного симплекса. Из вершины, где целевая функция максимальна, проводится проектирующая прямая через центр тяжести симплекса, затем вершина с максимальным значением функции отбрасывается и строится новый (отражённый) симплекс из оставшихся прежних точек и одной новой точки, расположенной на проектирующей прямой на надлежащем расстоянии от центра тяжести. Продолжение этой процедуры, в которой каждый раз отбрасывается точка с максимальным значением целевой функции, а также использование правил уменьшения размера симплекса и предотвращения циклического движения в окрестности экстремума позволяют осуществить поиск, в котором величина шага на любом этапе фиксирована, а направление поиска можно менять (производные не используются).
Последовательные симплексы, построенные в двумерном пространстве для минимизации «хорошей» целевой функцией, приведены на рис. 8.
Рис. 8
Определённые трудности, встречающиеся при использовании этого метода, а именно отсутствие ускорения поиска в «хорошем направлении» и трудности при поиске на искривлённых «оврагах» и «хребтах» привели к необходимости модификаций алгоритма.
Нелдер и Мид (1964) предложили модификацию, в которой симплекс может изменять свою форму. Так как в этом случае симплекс уже не будет регулярным, метод назвали поиском по деформируемому многограннику.
Обсудим этот метод. Минимизируется функция n независимых переменных с использованием (n+1) вершин многогранника. Вершина, в которой значение функции наибольшее, проектируется через центр тяжести оставшихся вершин. Улучшенные значения целевой функции находятся последовательной заменой точки с наибольшим значением на более «хорошие» точки, пока не будет найден минимум. При этом многогранник может вытягиваться или сжиматься по выбранному направлению.
Пусть являются i-ой вершиной на некотором k-ом этапе поиска. Пусть также
,
т.е. в точке функция принимает наибольшее значение, а в точке- наименьшее значение среди точек многогранника.
Так как многогранник состоит из точек, то центр тяжести всех вершин, кроме, обозначим через. Координатыопределяются по формуле
.
Начальный многогранник обычно выбирается в виде регулярного симплекса (но это не обязательно) с точкой 1 в качестве начала координат. Начало координат может быть также помещено в центре тяжести многогранника.
Алгоритм деформируемого многогранника состоит из операций отражения, растяжения, сжатия и редукции.
Отражение. Вершина проектируется через центр тяжести оставшихся вершин в соответствии с соотношением
,
где α > 0 является коэффициентом отражения (рис.9). Первой всегда выполняется операция отражения.
Рис. 9
Растяжение. Если , то векторрастягивается в соответствии с соотношением
,
где γ>1 - коэффициент растяжения (рис 10).
Рис. 10
Если , тозаменяется наи процедура продолжается снова с операции отражения.
В противном случае заменяется наи также осуществляется переход к операции отражения.
Сжатие. Если для всех, то векторсжимается в соответствии с формулой
,
где 0 < β < 1 – коэффициент сжатия (рис. 11).
Рис. 11
Затем заменяется наи осуществляется переход к операции отражения для продолжения поиска.
Редукция. Если , то все векторыуменьшаются в 2 раза с отсчетом отв соответствии с формулой
.
Затем алгоритм возвращается к операции отражения для продолжения поиска на следующем шаге.
Если ни одна из операций (растяжение, сжатие, редукция) не выполняется, происходит операция отражения.
Критерий окончания поиска, предложенный Нелдером и Мидом записывается в виде формулы
где ε - произвольное малое число, - центр тяжести многогранника на данном шаге.
Деформируемый многогранник в противоположность жёсткому симплексу адаптируется к топографии целевой функции, вытягиваясь вдоль длинных наклонных плоскостей, изменяя направление в изогнутых впадинах и сжимаясь в окрестности минимума, что достигается выбором коэффициентов сжатия, растяжения и отражения.
Как следует выбирать α, β и γ ?
После того как деформируемый многогранник подходящим образом промасштабирован, его размеры должны поддерживаться неизменными, пока изменения в топологии задачи не потребуют применения многогранника другой формы. Это можно реализовать только при α =1. Было показано, что при α < 1 требуется большее количество вычислений целевой функции. Если α >>1, то это затрудняет адаптацию многогранника при изменениях направления поиска и замедляет сходимость в окрестности минимума. Таким образом, α =1 выбирается как компромисс. Чтобы выяснить, какое влияние на поиск имеет выбор β и γ, были проведены решения тестовых задач. Оказалось, что влияние β на эффективность поиска, более заметно, чем влияние γ.
Для практических нужд Нелдером и Мидом были рекомендованы следующие значения коэффициентов: α = 1, β = 0,5, γ = 2.