- •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
10 Постановка задачи минимизации
Пусть X некоторое множество пространства En, а f(x) ф-я, определенная на этом множестве. Будем рассматривать лишь те функции, которые принимают во всех точках X конечные вещественные значения.
Определение таких понятий, как точка минимума и максимума, наименьшее и наибольшее значение, ограниченность снизу и сверху, нижняя и верхняя грань ф-и f(x) на множесте X, минимизирующая и максимизирующая последовательность, точка локального и строгого локального минимума и максимума ф-и, сходимость последовательности к заданному множеству пространству En получаются из определений (1) (6) (8) (10), при этом нужно лишь под множеством x понимать точку, равную (x1; x2; :::; xn) пространства En, а под jxj норму x в пространстве En.
Как и ранее, нижнюю грань ф-и f(x) на множестве X будет обозначать
inf f(x) = f .
x2X
А множество точек минимума ф-и f(x) на множестве X
X = fx : x 2 X; f(x) = f g
Для обозначения задачи минимизации ф-и f(x) на множестве X будем пользоваться краткой записью
f(x) ! 1 x 2 X
Как и ранее будем различать задачи минимизации двух типов.
1.В задачах первого типа ищется точное или приближенное значение f и здесь не важно будет ли множество X пустым или нет.
2.В задачах второго типа наряду с величиной f ищется точка, которая достаточно близка к множеству точек минимума или даже принадлежит этому множеству X , требуется, чтобы минимум ф-и был конечным и чтобы это множество было не пусто.
Для приближенного решения задач обоих типов обычно строят какую-либо минимизирующую последовательность
fxkg xk 2 X k = 1; 2; ::: lim f(xk) = f
k!1
Тогда в кач-ве приближения f можно взять величину f(xk) при достаточно большом индексе k. В том случае, если последовательность fxkg сходится к множеству X то, точку xk и соответствующее значение ф-и f(xk) при достаточно большом индексе k можно принять за приближенное решение задачи второго типа.
10.1Задача максимизации ф-и f(x) на X
Так как
supf(x) = inf ( f(x))
x2X x2X
то любая точка максимума или любая максимизирующая последовательность для ф-и f(x) на X будет соответствовать точке минимума или минимизирующей последовательности для ф-и f(x) на том же множестве X. Поэтому можно ограничится изучением лишь задач минимизации.
11Необходимые и достаточные условия локального экстремума. Классический метод нахождения экстремума ф-и многих переменных
Под классическим подходом подразумевают подход к поиску точек экстремума ф-и многих переменных (т. е. точек локального минимума и максимума), который основан на дифференциальном исчислении.
Необходимые условия локального экстремума имеют вид:
Теорема 1. Для того, чтобы в точке x0 ф-я f(x10; :::xn0 ) имела локальный экстремум необходимо, чтобы все ее частные производные обращались в точке x0 в 0 т.е.
@f(x) j
@xi x=x0 = 0 i = 1; 2; :::; n (1)
Точки, удовлетворяющие условию (1) называются стационарными. Пусть ф-я f(xn) определена, непрерывна и имеет непрерывные производные первого и второго порядка в окрестности некоторой стационарной точки (x10; x20; . . . ; xn0 ) Разлагая разность
20
= f(x1; :::; x1) f(x1 |
; . . . ; xn) |
|||
|
|
|
0 |
0 |
получим |
|
|
|
|
1 n @2f(x0) |
i j |
|
2 |
|
P |
x x + O(j xj ) (2) |
|||
= 2 i;j=1 |
@xi@xj |
где
x = x x0xi = xi xi0
производные@2fi(x0j) вычисленные в точке x0, O(j xj2) величина бесконечно малая по сравнению с
@x @x
квадратом нормы j xj2. Знак разности определяется суммой, стоящей в правой части формулы (2). Обозначим
@2fi(x0j) = aij (3) @x @x
Тогда сумму (2) можно записать в виде
n
P aij(x0) xi xj (3 )
i;j=1
в алгебре называют квадратичными формами. Каждой квадратичной форме соответствуют матрица, составленная из ее коэффициентов и называемая матрицей данной квадратичной формы, симметричная
относительно главной диагонали. |
0a21 |
|
|
|
1 |
A = |
a22 |
::: |
a2n |
||
|
a11 |
a12 |
::: |
a1n |
|
|
Ba::: |
a::: |
::: |
a |
C |
|
B n1 |
n2 |
::: |
nnC |
|
|
@ |
|
|
|
A |
aij = aji i = 1; 2; :::; n j = 1; 2; :::; n (4)
Квадратичную форму (3 ) от переменных xi; xj называют положительной (отрицательной), если она имеет положительные (отрицательные) значения при всех значениях аргумента, не равных одновременно 0.
Достаточные условия локального экстремума имеют вид:
Теорема 2. Для того, чтобы дважды непрерывно дифференцируемая ф-я f(x1; :::xn) имела в стационарной точке x0 безусловный локальный минимум (максимум) достаточно, чтобы ее второй дифференциал т. е. квадратичная форма
n
P aij(x0) xi xj
i;j=1
со значениями коэффициентов aij вычисленными по формуле (3) была положительной (отрицательной) и определенной. (Без док-ва)
В курсе алгебры приводятся разнообразные критерии положительной и отрицательной определенности квадратичных форм. Рассмотрим один из таких критериев называемый критерием Сильвестра. Для того, что действительная квадратичная форма (3 ) была положительно определенной, необходимо и достаточно, чтобы все угловые миноры ее матрицы (4) были положительны.
D1 = a11 > 0
D2 |
= |
a11 |
a12 |
|
> 0 |
a21 |
a22 |
||||
|
|
|
|
|
|
|
|
|
|
|
|
a11 a12 a13
D3 = a21 |
a22 |
a23 > 0 |
|
|
|
|
|
a31 |
a32 |
a33 |
|
Di > 0 i = 1; 2; :::; n |
(5) |
Чтобы действительная квадратичная форма (3 ) была отрицательно определенной, необходимо и достаточно, чтобы знаки угловых миноров (5) чередовались. Причем
D1 < 0
Нахождение глобального минимума (максимума) ф-и f(x) на всем пространстве En классическим методом заключается в определении всех точек локального минимума (максимума). После чего следует вычислить в этих точках значение ф-и f(x) и из этих значений выбрать точку с наименьшим (наибольшим значением ф-и)
21