- •Элементы выпуклого анализа.
- •Начальные сведения о численных методах оптимизации.
- •4.Сходимость методов оптимизации.
- •5.Метод покоординатного спуска.
- •6.Метод случайного поиска. Алгоритм с возвратом при неудачном шаге.
- •7. Метод случайного поиска. Алгоритм наилучшей пробы.
- •8. Метод случайного поиска. Алгоритм статистического градиента.
- •9. Метод случайного поиска. Алгоритм покоординатного обучения.
- •10. Градиентный метод. Метод с постоянным шагом.
- •11. Градиентный метод. Метод с дроблением шага.
- •12. Градиентный метод. Метод наискорейшего спуска.
- •13. Метод Ньютона
- •14. Численные методы решения задач линейного программирования. Прямой симплекс-метод. Базис и базисное решение.
- •15. Численные методы решения задач линейного программирования. Прямой симплекс-метод. Элементарные преобразования. Симплекс-таблицы.
- •16. Численные методы решения задач линейного программирования. Прямой симплекс-метод. Алгоритм симплекс-метода.
- •17. Численные методы решения задач линейного программирования. Модифицированный симплекс-метод.
- •18. Численные методы решения задач линейного программирования. Лексикографический прямой симплекс-метод
- •19. Численные методы решения задач линейного программирования. Двойственный симплекс-метод.
- •20. Численные методы решения задач линейного программирования. Двойственный симплекс-метод.
- •22. Численные методы решения задач линейного программирования. Геометрическая интерпретация задач линейного программирования
- •23. Численные методы решения задач линейного программирования. Геометрическая интерпретация прямого симплекс-метода.
- •24. Численные методы условной оптимизации. Метод возможных направлений.
- •25. Численные методы условной оптимизации. Метод Келли и метод секущих плоскостей.
- •26. Численные методы условной оптимизации. Первый (циклический) алгоритм Гомори.
- •27. Численные методы условной оптимизации. Метод ветвей и границ
- •28. Численные методы условной оптимизации. Метод ветвей и границ для решения задач нелинейного программирования
- •29. Численные методы условной оптимизации. Метод внешних штрафов
- •30.Численные методы условной оптимизации. Метод внутренних штрафов или метод барьерных функций
- •31.Муравьиный алгоритм.
- •32.Генетические алгоритмы.
- •33.Задачи классического вариационного исчисления. Постановка задачи классического вариационного исчисления
- •Сильный и слабый экстремум в задачах классического вариационного исчисления.
- •Допустимые управления и управляемые процессы в задачах оптимального управления. Оптимальные процессы
- •Элементарный вывод необходимых условий экстремума для простейших задач классического вариационного исчисления
- •Задачи оптимального управления. Постановка задачи оптимального управления
- •Формулировка принципа максимума для линейной задачи быстродействия
- •Доказательство принципа максимума для линейной задачи быстродействия.
- •Достаточность принципа максимума
25. Численные методы условной оптимизации. Метод Келли и метод секущих плоскостей.
26. Численные методы условной оптимизации. Первый (циклический) алгоритм Гомори.
Рассматривается алгоритм решения задачи целочисленного линейного программирования (ЦЛП). Приведем описание первого или циклического алгоритма отсечения Гомори. Он основывается на лексикографическом варианте двойственного симплекс-метода.
Шаг 0. Начать с нормальной симплекс-таблицы. Положить V = 0
Шаг 1. Если симплекс-таблица прямо допустима и все элементы Zp0, p =1..n, целые, то КОНЕЦ: получено оптимальное решение задачи ЦЛП.
Шаг 2. Если симплекс-таблица прямо допустима, то выбрать min p ϵ {1..n}, такое что Zp0 – нецелое, положить V = V+1. Строку с номером p назовем производящей. Этой строке соответствует уравнение :
Которое называется отсечением Гомори и используется для построения дополнительного ограничения, здесь l—число небазисных переменных
Где -- дробная часть числа К симплекс – таблице добавляется (n+1) строка (отсечение Гомори), соответствующая доп ограничению с базисной переменной
Шаг 3. Выбрать ведущую строку r такую, что
Шаг 4. Если , то выбрать ведущий столбец s по правилу
Иначе КОНЕЦ (текущая задача ЛП, а, следовательно, и исходная задача неразрешима ввиду несовместимости ее ограничений).
Шаг 5. Преобразовать симплекс- таблицу; положить и отбросить (n +1) строку, если таковая имелась, иначе перейти на шаг 1.
27. Численные методы условной оптимизации. Метод ветвей и границ
Рассмотрим задачу Допустим, что множество допустимых решений Q является конечным, тогда одним из алгоритмов решения этой задачи является полный перебор, когда наилучшее найденное решение, которое назовем рекордом, сравнивается с очередным допустимым решением. Понятно, что это очень неэффективный способ решения экстремальных задач. Так как приходится сравнивать друг с другом все решения, которых может оказаться слишком много. А в случае,
когда задача непрерывна и множество допустимых решений континуально, не очень понятно как реализовать такую стратегию решения. Возникающие трудности можно попытаться обойти, если воспользоваться методом ветвей и границ (МВГ). Данный метод основан на переборе допустимых решений, в процессе которого рекорд сравнивается с подмножествами допустимых решений. Этот алгоритм осуществляет поиск оптимального решения посредством последовательного разбиения множества допустимых решений на под множества меньшей мощности. Нижние оценки на значения целевой функции на этих подмножествах сравниваются с текущим рекордным значением целевой функции. Ясно, что подмножества решений, у которых нижние оценки больше текущего рекордного значения, не могут содержать оптимального решения и должны быть отброшены. В приводимом ниже описании метода ветвей и границ предположение о конечности множества Q не используется. Более важно свойство разложимости, которое описывается ниже,
и предположение о конечности числа атомарных множеств. Атомарным множеством назовем подмножество Q , на котором исходная задача легко решается точно или приближенно. Подмножество Q допустимых решений назовем разложимым, если оно представимо в виде объединения некоторого конечного набора атомарных множеств. Обозначим через x(d) наилучшее решение задачи на атомарном множестве d, найденное с помощью некоторого алгоритма. Функцией ветвления b(d) назовем функцию, определенную на разложимых подмножествах множества Q и ставящую в соответствие множеству d определенное его разбиение на несобственные разложимые подмножества. Нижней границей назовем вещественную функцию H(d), определеннуюна разложимых подмножествах множества Q и такую, что
, функция невозрастающая.
Схема метода.
Состоит из конечной последовательности однотипных шагов. На каждом шаге расм. Разбиение d1…. dl множества еще нерассмотренных допустимых решений и некоторый рекорд x^0. Пусть к следующему шагу есть разбиение d1…dl и рекорд x^0, проверяем элементы разбиения на наличие решения со значением лучше рекорда. Если есть новый рекорд, то обновляем рекорд и проверяем следующий случай, если все случаи проверены , то рекорд – есть решение задачи. При разработке алгоритма МВГ необходимо определить:
– атомарные множества решений;
– способ задания подмножеств решений;
– функцию ветвления;
– способ вычисления нижней границы;
– функцию выбора наилучшего решения;
– правила выбора перспективного элемента разбиения.