- •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
Этому плану согласно (8:24) соотвествует значение целевой ф-и f(X) = f(X(0)) (fj cj) (8:25)
Так как по условию теоремы fj cj > 0 и > 0, то
f(X) < f(X(0))
Следствие. Если в задаче на минимум для некоторого плана X(0) разложение всех векторов Aj j = 1; :::; n в данном базисе удовлетворяют условию
fj cj 6 0 (8:26)
то план x(0) является оптимальным. Разности fj cj называются оценками плана.
Для задачи на максимум ф-и f cправедлива аналогичная предыдущей теорема:
Теорема 8.2. Если в задаче на максимум для некоторого вектора Aj выполняется условие fj cj < 0, то план X(0) не является оптимальным и можно построить такой план X, для которого выполняется условие f(X) > f(X(0))
Следствие. Если в задаче на максимум для некоторого плана X(0) разложение всех векторов Aj j = 1; 2; :::; n в данном базисе удовлетворяют условию fj cj > 0 (8:27), то план X(0)является оптимальным.
27.3Алгоритм симплексного метода. Симплексная таблица
Пусть как и раньше задача (8:6) (8:8) на отыскание минимума целевой ф-и f первоначальнвй опорный план
X(0) = (x1 = b1; x2 = b2; :::; xm = bm; xm+1 = 0; :::; xn = 0)
описывается системой m-мерных единичных векторов A1; A2; :::; Am. Для исследования этого опорного плана на оптимальность необходимо все векторы Aj j = 1; 2; :::; m системы (8:7) разложить по векторам базиса и подсчитать значения оценок
fj cj
Так как данный базис был единичным, то компоненты вектора Aj равны
xij = aij i = 1; 2; :::; m j = 1; 2; :::; n
Дальнейшие вычисления удобнее проводить с помошью таблицы, которую называют симплексной таблицей
i |
базис |
c базиса |
A0 |
c1 |
c2 |
|
cl |
|
cm |
cm+1 |
|
cj |
|
ck |
|
cn |
A1 |
A2 |
|
Al |
|
Am |
Am+1 |
|
Aj |
|
Ak |
|
An |
||||
|
|
|
|
|
|
|
|
|
||||||||
1 |
A1 |
c1 |
x1 |
1 |
0 |
|
0 |
|
0 |
x1;m+1 |
|
x1j |
|
x1k |
|
x1n |
2 |
A2 |
c2 |
x2 |
0 |
1 |
|
0 |
|
0 |
x2;m+1 |
|
x2j |
|
x2k |
|
x2n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
l |
Al |
cl |
xl |
0 |
0 |
|
1 |
|
0 |
xl;m+1 |
|
xlj |
|
xlk |
|
xln |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
Am |
cm |
xm |
0 |
0 |
|
0 |
|
1 |
xm;m+1 |
|
xmj |
|
xmk |
|
xmn |
m + 1 |
fj cj |
f0 |
0 |
0 |
|
0 |
|
0 |
fm+1 cm+1 |
|
fj cj |
|
fk ck |
|
fn cn |
27.3.1Правила заполнения таблицы
1.В столбце c базиса записываются коэффициенты целевой функции, соответствующие векторам базиса
2.В столбце A0 записывается первоначальный опорный план X(0). В этом же столбце в результате вычислений получают оптимальный план
3.В столбцах Aj j = 1; 2; :::; n записывают коэффициенты разложения j-отого вектора по базису
4.В яйчейке на пересечении m + 1 строки и столбца A0 записывают значения целевой ф-и f(X), которые она принимает при найденном опорном плане. А в яйчейках стоящих на пересечении m + 1 строки и столбцов Aj записывают значения оценок fj cj
55
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
f0 = |
iP |
|
|
|
|
|
|
|
cixi |
|
|
|
|
|
|
|
|
|
=1 |
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
fj = |
iP |
|
|
|
|
|
|
|
cixij |
|
|
|
|
|
|
|
|
|
=1 |
27.3.2 Анализ симплексной таблицыx |
|
|
||||||
Если в задаче на |
минимум все оценки f |
j |
c |
j 6 |
0, то план X(0) - оптимальный. Если хотя бы одна оценка |
|||
|
(0) |
|
|
|
|
|||
больше 0, то план X |
|
- не оптимальный. |
|
|
|
|
Если положительных оценок несколько, то в базис должен быть включен вектор, которому соответствует величина
max[ 0j(fj cj)]
j
максимум берется по тем индексам j для которых
fj cj > 0
и величина 0j определяется для каждого такого индекса j.
Если хотя бы для одной положительной оценки коэффициенты разложения xij соотвествующего вектора не положительны, то целевая функция f не ограничена на многограннике решений.
27.3.3Переход к новому опорному плану
Пусть
max[ 0j(fj cj)] = 0k(fk ck)
j
тогда в базис включается вектор Ak и исключается вектор, соотвествующий минимуму
0k = min xi
i xik
Допустим что минимум достигается для вектора базиса, стоящего в строке с номером l. Тогда вектор Al исключается из базиса.
Элемент xlk называется разрешающим. Столбец и строка в которых он находится, называются направляющими.
Новому опорному плану будет соотвествовать базис
A1; A2; :::; Al 1; Ak; Al+1; :::; Am
Рассмотрим вопрос о вычислении нового опорного базиса. Первоначальный базис был единичным A1; A2; :::; Am. Поэтому
A0 = x1A1 + ::: + xlAl + ::: + xmAm (8:28)
Ak = x1kA1 + ::: + xlkAl + ::: + xmkAm (8:29)
и произвольный вектор Aj разлагается так
Aj = x1jA1 + ::: + xljAl + ::: + xmjAm(8:30)
Из (8:29) получим
Al = x1 (Ak x1kA1 ::: xl 1;kAl 1 xl+1;kAl+1 ::: xmkAm) (8:31)
lk
Подставляя полученные значения Al в (8:28) получим
A0 = x1A1+:::+xl 1Al 1+xl x1 (Ak x1kA1 ::: xl 1;kAl 1 xl+1;kAl+1 ::: xmkAm)+xl+1Al+1+:::+xmAm
lk
Поэтому новый опорный план, равный
X0 = (x01; x02; :::; x0k; :::; x0m)
вычисляется по формулам
|
|
(xk0 = xlk |
i = l |
|
||||
|
|
xi |
xl |
i 6= l |
|
|||
x0 |
= |
xlk |
xik |
(8:32) |
||||
i |
|
|
|
xl |
|
|
|
По аналогии выводятся формулы для коэффициентов разложения всех векторов по векторам нового базиса. Эти формулы имеют вид
|
|
(xkj0 = xlk |
i = l |
|
||||
|
|
xij |
xlj |
i 6= l |
|
|||
x0 |
= |
xlk |
xik |
(8:32) |
||||
ij |
|
|
|
xlj |
|
|
|
56