- •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
24.4План. Опорный план. Оптимальный план
Определение 1. Планом или допустимым решением задачи ЛП называется вектор X = (x1; :::; xn), удовлетворяющий условиям (7:18) и (7:19)
Определение 2. План X = (x1; :::; xn) называется опорным, если векторы Ai, входящие в разложение (7:21) с положительными коэффициентами xi являются линейно-независимыми. Так как векторы Ai являются m-мерными, то из определения опорного плана следует, что число его положительных компонент не может превышать m
Определение 3. Опорный план называется невырожденным, если он содержит ровно m положительных компонент, в противном случае опорный план называется вырожденным
Определение 4. Оптимальным планом или оптимальным решением задачи линейного программирования называется план, доставляющий наименьшее (наибольшее) значение
25 Выпуклые многогранники
Пусть задано некоторое множество и в нем имеется m точек A1; A2; :::; Am. Ai(x(1i); x(2i); :::; x(ni)) i = 1; 2; :::; m Точка A называется выпуклой линейной комбинацией точек A1; A2; :::; Am если ее можно представить
в виде
m
P
A = 1A1 + 2A2 + ::: + mAm i > 0 i = 1; 2; :::; m i = 1 (7:24)
i=1
Определение. Множество точек называется выпуклым, если оно вместе с любыми двумя точками содержит и их произвольную линейную комбинацию
Определение. Угловыми точками выпуклого множества называются точки, не являющиеся выпуклой комбинацией двух произвольных точек множества
Определение. Выпуклым многогранником называется замкнутое ограниченное выпуклое множество n-мерного пространства, имеющее конечное число угловых точек. Угловые точки многогранника называются его вершинами
Определение. Опорной плоскостью многогранника называется плоскость, имеющая с многогранником, расположенным по одну сторону от нее хотя бы одну общую точку
26 Геометрическая интерпретация задачи ЛП
Пусть дана задача ЛП. Найти минимальное значение ф-и
f = c1x1 + c2x2 + ::: + cnxn (7:25)
при ограничениях
8
>a11x1 + a12x2 + ::: + a1nxn 6 b1
>
>
<a21x1 + a22x2 + ::: + a2nxn 6 b2
(7:26)
>:::
>
>
:am1x1 + am2x2 + ::: + amnxn 6 bm
xj > 0 j = 1; 2; :::; n (7:27)
Предполагаем, что система (7:26) (7:27) - совместная.
Рассмотрим частный случай системы, а именно совместную систему линейных неравенств на плоскости
8
>a11x1 + a12x2 6 b1 a21x1 + a22x2 6 b2
>
>
>
>
>
<
::: (7:28)
>
>
>am1x1 + am2x2 6 bm
>
>
>
:x1 > 0; x2 > 0
Каждое неравенство системы (7:28) определяет полуплоскость. Так как система (7:28) совместна, то пересение этих полуплоскостей не пусто. Оно называется многоугольником решений. В частных случаях многоугольник решений может быть лучом, отрезком или точкой.
При произвольном конечном n каждое неравенство системы (7:26)-(7:27) определяет полупространство n-мерного пространства с граничной гиперплоскостью
50
ai1x1 + ai2x2 + ::: + ainxn = bi i = 1; 2; :::; m
xj > 0 j = 1; 2; :::; n
Если система (7:26)-(7:27) совместна, то пересечение этих полупространств также непустое множество, называемое многогранником решений. Следовательно, геометрически задача ЛП представляет собой отыскание такой точки многогранника решений, координаты которой доставляют минимальное (максимальное) значение целевой ф-и f(x), причем допустимыми решениями являются все точки многогранника решений.
26.1Свойства решения задачи ЛП
Если целевая ф-я задачи ЛП ограничена на многограннике решений, то
1.существует такая угловая точка многранника решений, в которой целевая ф-я задачи ЛП достигает своего минимума (максимума);
2.каждый опорный план соотвествует какой-либо угловой точке многогранника решений и каждая угловая точка многогранника решений соотвествует какому-либо опорному плану, поэтому для решения задачи ЛП достаточно исследовать только угловые точки многогранника решений т.е. опорные планы
26.2Графический метод решения задачи ЛП
Графическим методом можно решать задачи только на плоскости n = 2 и в трехмерном пространстве n = 3. При n > 3 графическое решение задачи невозможно.
Пусть дана задача: Найти минимальное значение ф-и
f = c1x1 + c2x2(8:1)
8
>a11x1 + a12x2 6 b1
>
>
<a21x1 + a22x2 6 b2
(8:2)
>:::
>
>
:an1x1 + an2x2 6 bn
x1 > 0 x2 > 0 (8:3)
Допустим, что система неравенств (8:2) и (8:3) совместна, и ее многоугольник решений ограничен. Каждое из неравенств (8:2) и (8:3) определяет полуплоскость с граничной прямой
ai1x1 + ai2x2 = bi i = 1; 2; :::; m x1 = 0 x2 = 0
У-ние (8:1) - у-ние прямой линии, если
c1x1 + c2x2 = const
тогда задачу ЛП можно интерпретировать так: найти точку многоугольника решений, в которой прямая
c1x1 + c2x2 = const
является опорной и при этом целевая ф-я f достигает минимума. Значение ф-и f возрастает в направлении градиента N(c1; c2)
@f = c1 @f = c2 @x1 @x2
Поэтому минимум ф-и f достигается в точке A
Координаты точки A(x1; x2) находим, решая систему у-ний прямых AB и AE Пример задачи, решаемой графическим методом. Найти минимум ф-и
f = 4x1 + 6x2
при ограничениях
51