- •Факультет информационных технологий и управления
- •1 Математическое описание линейных систем
- •1.1 Дифференциальное уравнение системы. Характеристическое уравнение и его корни
- •Импульсная характеристика
- •1.3 Построение лачх и лфчх
- •1.4 Уравнение состояния в нормальной форме, схема моделирования
- •2 Линейное программирование
- •2.1 Математическая модель задачи. Нахождение оптимального плана х* и экстремального значения функции
- •2.2 Построение и решение задачи, двойственной к исходной. Сравнение решения прямой и двойственной задач
- •2.3 Получение целочисленного решения путем введения дополнительных ограничений по методу Гомори
- •3 Нелинейное программирование
- •3.2.2 Метод Ньютона-Рафсона
- •3.3 Нахождение экстремального значения функции f(X) с учетом системы ограничений задачи
- •3.3.1 Метод допустимых направлений Зойтендейка
- •3.3.2 Метод линейных комбинаций
- •3.3.3 Условия теоремы Куна-Таккера
2.3 Получение целочисленного решения путем введения дополнительных ограничений по методу Гомори
Если решение хотя бы одной из задач не целочисленное найти целочисленное решение задачи используя алгоритм Гомори. Найдем частично целочисленное решение для двойственной задачи. Дополнительное ограничение построим по строке y3, так как ее свободный член имеет наибольшую дробную часть.
Базисные переменные |
Свободные члены |
Y6 |
Y7 |
Y5 |
Y4 |
Y3 |
1.667 |
0.381 |
0.571 |
-0.048 |
-1.143 |
Y1 |
0.333 |
-0.524 |
-0.286 |
0.19 |
-0.429 |
Y2 |
1 |
0.286 |
0.429 |
-0.286 |
0.143 |
F |
6 |
2.143 |
1.714 |
3.857 |
14.571 |
Y8 |
-0.667 |
-0.381 |
-0.571 |
-0.096 |
-0.286 |
Базисные переменные |
Свободные члены |
Y6 |
Y8 |
Y5 |
Y4 |
Y3 |
1 |
0 |
1 |
-0,144 |
-1,429 |
Y1 |
0,667 |
-0,33 |
-0.5 |
0,238 |
-0,285 |
Y2 |
0.5 |
0 |
0.75 |
-0,358 |
-0,071 |
F |
4 |
1 |
3 |
3,569 |
13,712 |
Y7 |
1.168 |
0.667 |
-1.751 |
0,168 |
0,5 |
С помощью алгоритма Гомори построения дополнительных ограничений для частично целочисленных задач получили следующее частично целочисленное решение:
y2=0,5; y1=0,667; y3=1; y7=1,168; Fmin=-4.
3 Нелинейное программирование
3.1 Построение ОДЗП, выбор начальной точки поиска
Целевая функция имеет вид:
F(x)= x12+x22-x1x2-8x1+7x2 (min).
3x1 -x2-40
x1+3x2-180
x1,20
x0=[1;5].
Построим ОДЗП:
Рисунок 3.1 - ОДЗП
Внутри области допустимых значений выбираем точку x0, которая в дальнейшем будет являться начальной в процессе поиска экстремума:
x0=(1;5).
3.2 Нахождение экстремального значения функции F(x) без учета ограничений на переменные
3.2.1 Метод наискорейшего спуска
F(x)= x12+x22-x1x2-8x1+7x2 (min).
3x1 -x2-40
x1+3x2-180
x1,20
x0=[1;5].
В методе наискорейшего спуска (подъема) очередная точка при поиске максимума функции вычисляется по формуле:
где направление движения задается вектором антиградиента функцииF(x), вычисленном в точке, а величина шага перемещения определяется числовым параметром.
Найдем градиент :
.
Осуществляем движение из точки x 0 вдоль градиента F(x0) в новую точку x1.
Подставляем координаты точки x1 в функцию F(x),
Затем найдем , в которой функцияF(x) будет иметь экстремум. Для этого найдем производную :
В результате после первого шага координаты очередной точки
получаются равными:
Продолжаем поиск по тому же алгоритму.
Второй шаг:
x 2= x 1 +α1F(x 1)
Третий шаг:
Fmin = -18.995
Так как значение градиента уменьшается то реальный экстремум может быть достигнут на следующих шагах.
Графическая интерпретация:
Рисунок 3.2 – Графическая интерпретация метода наискорейшего спуска
3.2.2 Метод Ньютона-Рафсона
Условие задания:
F(x)= x12+x22-x1x2-8x1+7x2 (min).
x0=[1;5].
Очередная точка вычисляется в соответствии с выражением
x k+1= x k –H-1(x k)F(x k),
где H(x ) – матрица Гессе функции F(x);
H-1(x) – обратная по отношению к H(x) матрица.
Найдем градиент функции в точке x 0: F(x 0)=[-11;16].
Запишем матрицу Гессе:
Найдем очередную точку x 1:
Найдем градиент в точке x 1
F (x 1)T=[0;0].
Следовательно, в точке x 1 функция F(х) достигает минимума. Fmin = -19.