Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
МЕТОДИ УМОВНОЇ ОПТИМІЗАЦІЇ
Класична задача математичного програмування
Класична задача математичного програмуваннямає такий вигляд:
F (x1,…,xn)® extrem,
gi (x1,…,xn) =bi,i=1,m, m<n.
У загальному випадку можливі такі підкласи задачі математичного програмування:
а) (n = 1, m = 0);
б) (n > 1, m = 0); в) (n > 1, m ¹ 0)˜.
Щоб класичним методом можна було відшукати екстремальні точки, функції F (X) та g (Х) мають бути неперервними та диференційованими і мати неперервні похідні хоча б до другого порядку включно.
Стаціонарні точки функції у випадках а) і б) визначаються як розв’язок системи рівнянь , яка у загальному випадку може бути нелінійною. Серед стаціонарних точок можуть бути і точки перерізу (сідлові точки) функції.
Щоб визначити тип стаціонарних точок для функції однієї змінної, треба перевірити достатні умови, якими визначаються вид екстремуму й сідлові точки. Так, для існування максимуму функції однієї змінної достатні умови мають вигляд
Якщо маємо функцію двох змінних, то достатні умови існування максимуму полягають у від’ємності матриці Гессе, тобто у виконанні умов:
В інших випадках достатні умови мають досить складний характер.
Метод множників Лагранжа застосовується для знаходження умовного екстремуму, тобто екстремуму функції F (x1,…,xn) на множині точок, які є розв’язками системи рівнянь вигляду gi (x1,…,xn) = bi, , m<n. Цю задачу замінимо простішою задачею знаходження відповідного екстремального значення так званої функції Лагранжа, яка має структуру
L (X,l) = F (x1,…,xn) + ,
де l =1, m - множники Лагранжа.
Необхідні умови існування екстремуму функції Лагранжа полягають у виконанні рівнянь
.
Розв’язання цієї системи щодо змінних Xj та li дає можливість визначити позиції стаціонарної точки. Аналіз функції F (x) у визначеній точці дає змогу з’ясувати вид екстремуму функції F (x).
Приклад 6.1. Знайти F (x)=(x1 -1)2+ x2 2 ® extrem
за умови g (x) = x1 2 – x2 +1= 0.
Розв’яжемо умову g (x) = 0 щодо х2: x2 = x1 2 +1.
Замінивши х2 у функції мети, дістанемо функцію однієї змінної
F (x1) = x1 4 + 3 x1 2 - 2 x1 + 2.
Стаціонарна точка цієї функції задовольняє умову
,
яка має розв’язок x*1 = 0,313.
Оскільки друга похідна у цій точці додатна, то функція F (x1) має мінімум. При цьому х*2 = 1,098, a F (x*1, x*2) = 1,678.
Приклад 6.2. Для розглянутої вище задачі функція Лагранжа має вигляд:
L(X,l) = (x1-1)2 + x22 + l(x12 - x2+1).
Розв’язання цієї системи рівнянь дає х1* = 0,313, х2* = 1,098, l*= 2,196.
Виконаємо аналіз функції у точці X *= (0,313; 1,098) за допомогою матриці Гессе. Знайдемо
Оскільки тобто то матриця Гессе достатньо визначена, а тому функція F (x) опукла і у точці X* досягає мінімуму.
Задача опуклого квадратичного програмування
Постановка задачі опуклого програмування (ЗОП). Знайти вектор x = (x1,..., xn), що мiнiмiзує (максимізує) функцію F (x) = F (x1,..., xn) i задовольняє систему обмежень
Gi (x1,..., xn) 0, i=1,..., m, xj0, j=1,...,n,
де функції F, Gi (i=1,...,m) – опуклі.
Таким чином, для задачі опуклого програмування цільова функція опукла, а обмеження визначають опуклу допустиму множину.
Постановка задачі опуклого квадратичного програмування. Знайти вектор x, що мiнiмiзує цільову функцію F (x) = x D xТ + c xТ i задовольняє систему обмежень:
A xТ bТ, x 0,
де c =(c1,..., cn), x =(x1,..., xn), D =|| dkl ||, k,l=1,...n, A =|| aij ||, i=1,...,m, j=1,...,n, b =(b1,..., bm), матриця D симетрична та невід’ємно визначена.
Таким чином, для задачі опуклого квадратичного програмування (ЗОКП) цільова функція – опукло-квадратична, а обмеження – лінійні i визначають опуклу допустиму множину.
Зауважимо, що для випадку n=2, m=1 ЗОКП має вигляд:
d11x12 + d22x22 + 2 d12x1x2 + c1x1 + c2x2 min,
a11x1 + a12x2 a10, xj 0, j=1,2,
до того ж D =|| dkl ||, k,l=1,2, d12 = d21.
Дата публикования: 2015-09-18; Прочитано: 244 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!