Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
ВОПРОСЫ К ЭКЗАМЕНУ МО.docx
Скачиваний:
0
Добавлен:
25.02.2024
Размер:
9.31 Mб
Скачать

16. Метод деления отрезка пополам

  • последовательный метод;

  • Суть метода деления отрезка пополам состоит в разбиении отрезка [a, b] (при условии f(a)f(b) < 0) на два отрезка, определении знака функции f(x) через производную в середине отрезка (a + b)/2 и выборе отрезка, на котором функция непрерывна, меняет знак и содержит решение;

  • Далее применяем алгоритм решения.

Краткое описание алгоритма:

Входные данные: f(x), a, b, ε.

  1. x = (a + b)/2

  2. Если f(a)·f(x) < 0, то b = x, иначе если f(x)·f(b) < 0, то a = x.

  3. Если |b - a| > 2ε, то идти к 1.

  4. x = (a + b)/2.

Выходные данные: x.

Значение x является решением с заданной точностью ε нелинейного уравнения вида f(x) = 0.

Если f(x) = 0, то x — точное решение.

!!! Дополнить рисунком (пометка самому себе)

17. Метод золотого сечения

  • это численный метод нахождения решения x (с заданной точностью ε), минимизирующего функцию f(x) на отрезке.

Суть метода золотого сечения состоит в разбиении отрезка [a,b] на три отрезка в пропорции золотого сечения, определении минимального значения функции f(x)из значений на границах этих отрезков и выборе нового отрезка, на котором функция содержит минимизирующее решение.

Деление отрезка продолжается до достижения необходимой точности решения ε.

Сначала находим отрезок [a,b] такой, что функция f(x) непрерывна и вогнута на отрезке, то есть f"(x)>0.

Далее применяем алгоритм.

Выходные данные: x.

Значение x является минимизирующим решением для функции f(x) с заданной точностью ε.

  • Заметим, что для нахождения решения x, максимизирующего выпуклую функцию f(x) на отрезке, алгоритм решения модифицируется в части строки 2, она меняется на строку вида:

18. Метод чисел Фибоначчи

  • лучший метод среди методов дихотомии, деления отрезка пополам, поразрядного поиска.

19. Метод касательных

20. Метод средней точки

21. Метод хорд

22. Метод Ньютона

.

24 Поиск по образцу.

Берем базовую точку x0( нач. приближение). Вычислим в ней значение f(x0), а затем построим n-мерный куб с центром в этой точке и ребрами длиной 2h. Вычислить значения функции в вершинах куба, берем в качестве новой базовой точки ту из вершин, в которой значение ф-и меньше f(x0) и повторим процедуру для выбора следующей базовой точки и построения образца .Если такой вершины не оказалось, то оставим прежнюю базовую точку x0 и построим куб с уменьшенной длиной ребер, например h. Поиск заканчивается, когда длинна ребра станет меньше заданного числа E>0

.

25 Метод конфигурации.

Алгоритм включает в себя два основных этапа поиска.

а) В начале обследуется окрестность выбранной точки (базисной точки), в результате находится приемлемое направление спуска; Если значение ф-и в пробной точке меньше чем в исходной, шаг считается удачным. В противном случае возвращаемся назад и делаем шаг в противоположном направлении. После перебора всех координатных исследования окрестности базовой точки – конец. В результате поиска получена точка x(l+1), если исследование оказалось неудачным x(l+1)=x(l), уменьшаем шаг в 2 раза и продолжаем процедуру.

б) Затем в этом направлении находится точка с наименьшим значением целевой функции. Таким образом находится новая базисная точка. Если же пробное перемещение оказалось неудачным, то уменьшаем ускоряющий множитель, то уменьшаем ускоряющий коэффициент в 2 раза и осуществляем пробное перемещение в точку x(l+2) с этим множителем. Процесс продолжается пока не найдется подходящий множитель.

Соседние файлы в предмете Методы оптимизации