- •Экзаменационные вопросы
- •1 Постановка задачи. Локальные и глобальные экстремумы
- •2 Задача максимизации функции
- •3 Необходимые и достаточные условия локального экстремума. Классический метод нахождения экстремумов функций
- •3.1 Классический метод
- •4 Метод деления отрезка пополам
- •5 Метод золотого сечения
- •5.1 Модификация метода золотого сечения
- •6 Симметричные методы
- •6.1 Постановка задачи об оптимальных методах
- •6.2 Оптимальный пассивный метод для задачи А (метод равномерного перебора)
- •6.3 Оптимальный последовательный метод для задачи А (метод Фибоначчи)
- •7 Метод ломаных
- •7.1 Описание метода ломаных
- •7.2 Сходимость метода ломаных
- •7.3 Определение константы L
- •7.4 Достоинства и недостатки метода ломаных
- •9 Линейные пространства
- •10 Постановка задачи минимизации
- •12 Численные методы безусловной минимизации
- •13 Общая схема градиентого спуска
- •13.1 Градиентые методы с дроблением шага
- •13.2 Метод наискорейшего спуска
- •13.3.1 О сходимости градиентого метода
- •13.4 Методы покоординатного спуска (для отыскания безусловного экстремума)
- •13.4.1 Метод покоординатного спуска без вычисления производных
- •13.4.2 Рекомендации по применению этого метода
- •14 Относительный (условный) экстремум
- •15.1 Метод исключения
- •15.3 Метод Лагранжа
- •17 Обобщенная функция Лагранжа
- •17.1 Обобщеный метод множителей Лагранжа
- •17.2 Единственность вектора Лагранжа для нормального оптимального плана
- •18 Общая задача математического программирования
- •19 Выпуклые множества
- •19.1 Выпуклые функции
- •20 Дифференциальные условия оптимальности в задаче математического программирования
- •21.2 Метод проекции градиента
- •21.3 Проекция точки на гиперплоскость
- •21.4 Проекция точки на аффинное множество
- •21.5 Проекция точки на шар
- •21.6 Проекция точки на замкнутое полупространство
- •21.8 Метод покоординатного спуска для отыскания условного экстремума
- •22 Метод штрафных ф-ий
- •22.1 Метод внешних штрафных функций
- •22.2 Метод барьерных функций
- •22.2.1 Описание метода барьерных функций (для решения задачи 6.1)
- •23 Общая задача ЛП и ее канонические формы
- •23.1.3 Переход к эквивалентой системе неравенств
- •23.1.4 Переход от задачи минимизации к задаче максимизации
- •24 Различные формы записи задачи ЛП
- •24.1 Развернутая форма задачи ЛП
- •24.2 Векторная форма
- •24.3 Матричная форма
- •24.4 План. Опорный план. Оптимальный план
- •25 Выпуклые многогранники
- •26 Геометрическая интерпретация задачи ЛП
- •26.1 Свойства решения задачи ЛП
- •26.2 Графический метод решения задачи ЛП
- •27 Симплексный метод решения задач ЛП
- •27.1 Построение опорных планов
- •27.2 Отыскание оптимального плана. Условия оптимальности
- •27.3 Алгоритм симплексного метода. Симплексная таблица
- •27.3.1 Правила заполнения таблицы
- •27.3.2 Анализ симплексной таблицыx
- •27.3.3 Переход к новому опорному плану
- •27.3.4 Замечание к решению задачи на максимум
- •28 Методы искусcтвенного базиса
- •28.1 Метод больших штрафов
- •28.2 Двухэтапный метод
- •29 Вариация и ее свойства
- •30 Уравнение Эйлера
- •31 Простейшие случаи интегрируемости уравнения Эйлера
!i = |
8 ii |
ui |
> ii |
|
|
||
|
|
ui |
< |
|
|
|
|
|
> i |
i |
|
u |
i |
|
i |
Тогда |
<u |
6 |
|
6 |
|||
> |
|
|
|
|
|||
|
: |
|
|
|
|
|
|
(!i ui)(xi !i) > 0
для всех xi, для которых выполняется
i 6 xi 6 i i = 1; 2; :::; n
Отсюда суммируя по индексу i от 1 до n получим, что
< ! u; x ! >> 0x 2 X
Следовательно, построенная точка !является проекций точки u на множество X
21.8Метод покоординатного спуска для отыскания условного экстремума
Изложенный ранее метод покоординатного спуска может быть модифицирован применительно к задаче минимизации ф-и на параллелепипеде.
f(x) ! minx 2 X = fx1; :::; xn; ai 6 xi 6 bi; i = 1; 2:::; ng
Рассмотрим метод покоординатного спуска без вычисления производных. Так как производные @f(xkn+s)
@xs
не вычисляются, то вычисления происходят по следующей схеме: выбирается esнаправление и проверяются условия
(
xkn+s kn+ses 2 X
(4:20)
f(xkn+s kn+ses) < f(xkn+s)
Если оба условия (4:20) выполняются , то приближение xkn+s+1определяется по формуле
xkn+s+1 = xkn+s kn+ses
Если хотя бы одно из условий (4:20) не выполняется, то проверяют условия
(
xkn+s + kn+ses 2 X
(4:21)
f(xkn+s + kn+ses) < f(xkn+s)
Если оба условия (4:21) выполняются, то приближение определяют по формуле
xkn+s+1 = xkn+s + kn+ses
Если хотя бы одно из условий (4:21) не выполняется, то производят дробление шагом kn+sи повторяют приведенную процедуру заново до тех пор, пока не будут выполнены или оба условия (4:20) или оба условия (4:21).
22 Метод штрафных ф-ий
Рассмотренные ранее методы оптимизации рассчитаны на случаи, когда допустимое множество X имеет простую структуру (например гиперплоскость, шар, параллелепипед). Учет общих нелинейных ограничений представляет собой более сложную задачу. Один из возможных подходов к ее решению основан на учете ограничений путем изменения целевой ф-ии исходной задачи оптимизации. Этот подход называют методом штрафных ф-ий или методом штрафов. Один из самых распространенных подходов основан на введении ф-и штрафов, зависящих от шрафного параметра и обладающих следующими свойствами:
1.на большей части допустимого множества задачи оптимизации эти ф-и близки к 0;
2.каждая из них достаточно быстро возрастает либо при приближении изнутри границы допустимого множества (внутренние или барьерная ф-и), либо при выходе за его пределы (внешние штрафные ф-и);
3.степень близости штрафа к 0 и скорость его возрастания зависят от значения штрафного параметра и увеличиваются с ростом параметра
Ф-я штрафа добавляется к целевой ф-и. После чего решается параметрическое семейство получившихся задач без функциональных ограничений. В рамках соотвествующих предположений последовательность решения этих задач при неограниченном возрастании штрафного параметра сходится к решению исходной задачи. В этом и состоит основная идея метода штрафов.
41