- •1 Матрицы. Виды матриц
- •Специальные матрицы
- •2 Определители. Определение и свойства определителей
- •3.Алгебраическое дополнение и минор
- •4. Теорема (о разложении определителя по строке (столбцу))
- •Теорема об умножении определителей
- •5. Обратная матрица. Теорема об обратной матрице
- •Теорема об обратной матрице
- •6 Поиск обратной матрицы методом союзной матрицы
- •7 Понятие минора k-ого порядка. Ранг матрицы. Понятие базиса в системе строк (столбцов) м-цы. Теорема о ранге м-цы.
- •Ранг матрицы Аm*n – это наивысший порядок отличных от 0 миноров этой матрицы r(a)
- •8 Поиск ранга матрицы методом элементарных преобразований и методом окаймляющих миноров. Метод элементарных преобразований
- •Метод окаймляющих миноров
- •9 Слу. Формы представления слу
- •10 Элементарные преобразования слу
- •11 Теорема Кронекера-Капелли
- •12 Метод Крамера решения слу
- •13 Метод Гаусса решения слу
- •14 Балансовая модель Леонтьева
- •18 Теорема о разделяющей гиперплоскости. Теорема о выпуклости полупространства. Понятие выпуклого многогранника
- •19 Понятие системы линейных неравенств. Графический метод решения ситемы линейных неравенств
- •20Общая постановка змп
- •21 Понятие эпсилон-окрестности точки, предельной точки, замкнутого мн-ва, ограниченного мн-ва, точки локального (глобального) и условного (безусловного) экстремума
- •22 Понятие частной производной ф-ии, стационарной ф-ии, градиента и матрицы Гессе
- •23 Понятие квадратичной формы м-цы. Понятие положительной (отрицательной) определённости матрицы
- •24 Понятие вектор-функции и матрицы Якоби
- •25 Производная по направлению. Теорема о производной по направлению
- •26. Понятие градиента ф-ии. Теорема о градиенте
- •27 Понятия множества уровня ф-ии, касательной гиперплоскости к мн-ву уровня ф-ии, вектора нормали к гиперплоскости
- •28 Формула Тейлора. Разложение Тейлора
- •30 Постановка знлп с огран-ми - рав-ми
- •31 Назначение и обоснование метода множителей Лагранжа
- •32 Схема реализации метода множителей Лагранжа
- •33 Интерпретация мн-лей л. Теорема л.
- •34Метод подстановки решения знлп с ограничениями-равенствами
- •35 Назначение и обоснование обобщенного метода множителей Лагранжа
- •36 Схема реализации обобщенного метода множителей Лагранжа
- •37 Условия Куна- Таккера. Теорема Куна - Таккера. Условие дополняющей нежесткости
- •38 Понятие выпуклой (строго выпуклой) и вогнутой (строго вогнутой) ф-ии. Св-ва выпуклых (вогнутых) ф-ий. З-ча выпукло-вогнутого программирования
- •39 Достаточность условий Куна-Таккера в з-чах выпукло-вогнутого программирования. Т-ма о единств-ти экстр-ма строговыпуклой (строговогнутой) ф-ии
- •40 Метод Куна- Таккера решения задач выпукло-вогнутого программирования. Методы реш-я плохо обусловленных знлп. Теорема Вейерштрасса
- •41 Общая постановка злп и формы её представления. Теорема о эквивалентности форм представления злп
- •42 Понятие угловой точки (вершины) выпуклого многогранника, опорного плана злп. Понятие оптимального плана злп. Понятия вырожденного и невырожденного опорного плана
- •43 Теорема Каратеодори. Теорема о решении злп. Теорема о вершине
- •44 Назначение и обоснование графического метода решения злп
- •45 Графический метод решения злп
- •46 Назначение и обоснование см
- •47 Алгебра см
- •48А Правила пересчёта с-т
- •49 Метод искусственного базиса (м-метод). Назначение м-метода
- •50 Схема реализации м-метода
- •51.Сим.-т для реализации метода искусств.Базиса.
- •52 Понятие двойственной пары злп
- •53 Двойственная лемма. Понятие прямых и двойственных оценок
- •54 Первая, вторая теорема двойственнрсти
37 Условия Куна- Таккера. Теорема Куна - Таккера. Условие дополняющей нежесткости
Условия Куна-Таккера являя-ся необходимыми усл-ми сущ-ния реш-ния з-чи (максимизации):
f(x)max (1)
gi(x)<=bi, i=1,m (2)
Это сл-ет из теоремы.
Теорема К-Т
Необх-ми усл-ми сущ-ия стацин-й т. ф-ии Лагранжа: L(x, )=f(x)+ т(b-g(x)) задачи (1)-(2),явл-ся след-е усл-ия:
Эти усл-ия м.б. записаны в алгебраической форме:
Замечание 1
Из 1 и 3 усл-й К-Т след-ет,что либо множ-ль Лагранжа =0,либо соот-ие огр-ие-нер-во должно вып-ся как строгое рав-во,либо то и др-е вып-ся одноврем-но. З-е усл-е К-Т i(bi-gi(x))=0 наз-ся усл-ем дополняющей нежесткости
Замечание2
Усл-ия (3) и (4) применимы также и к з-че мин-ции:
f(x)min (5)
gi(x)<=bi, i=1,m (6)
За тем лишь искл-ем, что для з-чи (5)-(6) вектор мн-лей Л д б пол-ным, т.е. <=0. Однако, как в з-че (1)-(2), так и в з-че (5)-(6) мн-ли Л., соотв-щие активным огр-ям, по знаку не ограничены.
38 Понятие выпуклой (строго выпуклой) и вогнутой (строго вогнутой) ф-ии. Св-ва выпуклых (вогнутых) ф-ий. З-ча выпукло-вогнутого программирования
Ф-ия f(x) наз-ся выпуклой (вогнутой) на множ-ве D, если x,уД [0,1] справ-во:
Если нер-ва (1) строгие, то ф-ия f(x) наз-ся строго выпуклой(строго вогнутой) на мн-ве Д.
Св-ва:
1) Если ф-ия f(x) выпукла, то ф-ия g(x)=-f(x) вогнута и наоборот.
2) Сумма выпуклых ф-ий чвл-ся выпуклой ф-ей, сумма вогнутых-вогнутой.
Задача f(x)max(min)
хД
наз-ся з-чей выпукло-вогнутого программирования, если цел-ая ф-ия f(x) выпукла или вогнута, а обл-ть огр-ний Д есть выпуклое мн-во.
39 Достаточность условий Куна-Таккера в з-чах выпукло-вогнутого программирования. Т-ма о единств-ти экстр-ма строговыпуклой (строговогнутой) ф-ии
Достат-ть усл-й К-Т
если целевая ф-ия f(x) задачи:
f(x)max(min)
хД
обладает св-ми, указанными ниже в таблице, то тогда необходимые усл-ия К-Т оказываются достат-ми.
|
|
|
|
|
|
Т-ма о единств-ти экстр-ма строговыпуклой (строговогнутой) ф-ии:
Строго выпуклая(строго вогнутая) ф-ия на вып-м множ-ве Д не может иметь >1 т. глоб-го min-ма(max)
40 Метод Куна- Таккера решения задач выпукло-вогнутого программирования. Методы реш-я плохо обусловленных знлп. Теорема Вейерштрасса
Метод К-Т:
Метод основан на теореме о единственности экст-ма строго выпуклой (вогнутой) ф-ии и достаточночти усл-ий К-Т при нек-ых постановках з-чи:
f(x)max(min)
хД
Метод реализуется в 2 шага:
1) Поовер-ся св-ва цел-ой ф-ии f(x) (выпуклая или вогнутая) и тип оптимизации (максимизация или мин-ция) исходной з-чи. Если рез-ты проверки соответствуют св-ам цел-ой ф-ии, то сл-ет перейти к шагу 2.
2) Решается сис-ма необходимых усл-ий К-Т. Полученное ед-ное реш-е при этом и явл-ся опт-ным планом исходной з-чи.
Методы реш-я плохо обусл-ых ЗНЛП:
Назовем плохо обусл-ой ЗНЛ:
f(x)max(min) (1)
хД (2)
если цел-ая ф-ия f(x) в (1) не достаточно гладкая (не диф-ма или даже не непрерывная, разрывная, а обл-ть огр-ний Д в (2) имеет сложную стр-ру.
Ввиду большого разнообразия конкретных постановок плохо обусл-ых ЗНЛП общих методов их реш-ия не сущ-ет. В каждом конкретном сл-е сл-ет применять свой, наиболее подходящий приэтом подход к реш-ю з-чи. Тем не менее можно рекомендовать к вып-ю след-щие шаги:
1) Если возможно разбить обл-ть огр-ний Д На подмн-ва, во всех точках кот-ых цел-ая ф-ия диф-ма, и за темдля каждой такой обл-ти применить методы, применяемые для нормально-обусловленных ЗНЛП. В противном сл-е реализовать шаг 2.
2)Если возможно разбить обл-ть Д на подм-ва, во всех точках кот-ых целевая ф-ия непрерывна, а сами эти подм-ва - компактны (замкнуты и ограничены), то на каждом из таких подмн-в цел-ой ф-ии f(x) будет иметь локальный экстремум. Что явл-ся сл-ем теоремы:
Теорема Вейерштрасса:
Пусть область ограничений Д, задачи f(x)→max(min) является не пустым и компактным множ-м ,тогда непрерывная целевая функция f(x),заданная на этом множестве достигает глобального условного max-ма (min) на внутренней или граничной точки области Д.