Метод указ по МО
.pdf- 42 -
23)
n 12, |
E {(1,2,4),(1,3,3),(2,4,2),(2,5,5),(2,6,6),(3,5,4),(3,6,2), |
(4,7,6),(4,8,3),(5,7,2),(5,8,5),(5,9,4), (6,8,6), (6,9,3),(7,10,3),(7,11,4), |
|
|
(8,10,5), (8,11,1),(9,10,2),(9,11,1),(10,12,4),(11,12,7)} |
24) |
|
n 11, |
E {(1,2,6),(1,3,5),(2,4,5),(2,5,1),(3,4,4),(3,5,6), |
(4,6,10),(4,8,1),(5,6,3),(5,7,4),(5,8,5), (6,9,4), (6,10,2),(7,9,7),(7,10,4), |
|
25) |
(8,9,2), (8,10,6),(9,11,3),(10,11,4)} |
|
|
n 13, |
E {(1,2,2),(1,3,1),(2,4,1),(2,5,5),(2,6,6),(3,4,7),(3,5,3), (3,6,5), |
(4,7,4),(4,8,6),(5,7,5),(5,8,3),(5,9,3), (5,10,5), (6,7,2),(6,8,4),(6,9,6), (6,10,3),(7,11,4),(7,125),(8,11,2),(8,12,4),(9,11,1),(9,12,3),
(10,11,4), (10,12,4),(11,13,2),(12,13,3)}
§6. Максимальный поток в транспортной сети
Транспортной сетью называют ориентированный граф с n вершинами v1,
. . ., vn , обладающий следующими свойствами:
1)нет дуг, входящих в вершину v1 называемой источником;
2)нет дуг, выходящих из вершины vn называемой стоком;
3)есть хотя бы один путь от v1 до vn ;
4)каждой дуге (vi ,v j ) сопоставлено положительное число cij
называемое пропускной способностью дуги.
Транспортную сеть можно задавать матрицей пропускных способностей
C {cij }i, j 1,n , где cij 0 и в случае cij 0 считаем, что дуга (vi ,v j )
отсутствует.
- 43 -
Потоком в транспортной сети называют матрицу F { fij }i, j 1,n ,
удовлетворяющую следующим условиям:
1) при любых i, j 1, n выполняется неравенство 0 fij cij , число fij
называют потоком по дуге (vi ,v j ), оно не должно быть больше
пропускной способности дуги cij ;
2)для каждой внутренней вершины vk , где k 2, n 1, сумма входящих
внее потоков равна сумме выходящих из нее потоков
f1k f2k fnk fk1 fk 2 fkn .
Число W (F) f11 f12 f1n называют объемом потока F . Объем потока равен сумме потоков, выходящих из источника, и сумме потоков,
входящих в сток. Поток с наибольшим объемом называют максимальным.
Для нахождения максимального потока в транспортной сети можно составить и решить следующую задачу линейного программирования:
W (F) f11 f12 f1n max,
0 fij cij , i, j 1, n ,
f1k f2k fnk fk1 fk 2 fkn , k 2, n 1.
Пример 6.1. Рассмотрим следующую транспортную сеть
|
v2 |
2 |
v4 |
|
|
|
10 |
||
9 |
6 |
|
|
|
|
|
|
||
v1 |
|
8 |
9 |
v6 |
5 |
3 |
|
||
|
|
|
|
|
7 |
v3 |
|
v5 |
5 |
9 |
|
|||
|
|
|
|
- 44 -
Составим задачу линейного программирования:
W (F) f12 f13 f14 max,
f11 0, 0 f12 9, 0 f13 7, 0 f14 5, f15 0, f16 0,
f21 0, |
f22 0, 0 f23 6, 0 f24 2, |
f25 0, f26 0, |
|||||
f31 0, |
f32 0, |
f33 0 , |
f34 0, 0 f35 9 , 0 f36 3, |
||||
f41 0, |
f42 0, |
f43 0, |
f44 0, 0 f45 8, 0 f46 10, |
||||
f51 0, |
f52 0, |
f53 0 , |
0 f54 9, |
f55 0 , 0 f56 5, |
|||
f61 0, f62 0, f63 0 , f64 0, |
f65 0, f66 0, |
||||||
|
f12 f23 |
f24 , |
f13 f23 |
f35 |
f36 , |
||
f14 f24 f54 |
f45 f46 , f35 |
f45 |
f54 f56 . |
Решая задачу линейного программирования относительно неизвестных f12 ,
f13, f14 , f23 , f24 , |
f35, |
f36 , f45 , |
f46 , f54 , f56 , находим |
||||||
0 |
6 |
7 |
5 |
0 |
0 |
|
|
|
|
|
|
0 |
4 |
2 |
0 |
0 |
|
|
|
0 |
|
|
|
||||||
|
0 |
0 |
0 |
0 |
8 |
3 |
|
|
|
F* |
|
0 |
0 0 |
0 |
10 |
- максимальный поток, |
|||
0 |
|
|
|
||||||
|
0 |
0 |
0 3 |
0 |
5 |
|
|
|
|
|
|
|
|
||||||
|
0 |
0 |
0 0 |
0 |
0 |
|
|
|
|
|
|
|
|
||||||
W (F*) 6 7 5 18 - объем максимального потока, |
|||||||||
|
|
|
v2 |
|
2 |
|
v4 |
|
|
|
|
|
|
|
|
10 |
|||
|
6 |
|
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
v1 |
|
|
|
|
|
0 |
3 |
v6 |
|
|
5 |
|
|
3 |
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
7 |
|
|
v3 |
|
|
|
v5 |
5 |
|
|
|
|
8 |
|
|
|||
|
|
|
|
|
|
|
|
|
- 45 -
Задание № 6
Построить транспортную сеть, заданную матрицей пропускных
способностей C {cij }i, j 1,6 , и найти максимальный поток в транспортной
сети.
|
|
|
|
Варианты |
|
|
|
|
1) |
|
|
|
2) |
|
|
|
|
0 4 5 6 0 |
0 |
0 5 6 3 0 |
0 |
|||||
|
|
|
|
|
|
|
|
|
0 0 5 6 4 |
0 |
0 0 7 9 8 |
0 |
|||||
|
0 6 0 0 8 |
2 |
|
|
0 6 0 0 1 |
3 |
|
|
C |
|
|
|
C |
|
|
|
|
0 0 6 0 0 |
9 |
0 0 5 0 0 |
4 |
|||||
|
0 0 2 3 0 |
5 |
|
|
0 0 3 3 0 |
8 |
|
|
|
|
|
|
|||||
|
0 0 0 0 0 |
0 |
|
|
0 0 0 0 |
0 |
0 |
|
|
|
|
|
|||||
3) |
|
|
|
4) |
|
|
|
|
0 9 6 4 0 |
0 |
0 4 6 9 0 |
0 |
|||||
|
|
|
|
|
|
|
|
|
0 0 8 7 9 |
0 |
0 0 6 8 7 |
0 |
|||||
|
0 5 0 0 3 |
5 |
|
|
0 6 0 0 |
3 |
4 |
|
C |
|
|
|
C |
|
|
|
|
0 0 4 0 0 |
5 |
0 0 5 0 0 |
5 |
|||||
|
0 0 3 5 0 |
9 |
|
|
0 0 4 3 |
0 |
8 |
|
|
|
|
|
|||||
|
0 0 0 0 0 |
0 |
|
|
0 0 0 0 |
0 |
0 |
|
|
|
|
|
|||||
5) |
|
|
|
6) |
|
|
|
|
0 6 9 3 0 |
0 |
0 3 6 5 0 |
0 |
|||||
|
|
|
|
|
|
|
|
|
0 0 5 7 8 |
0 |
0 0 9 7 8 |
0 |
|||||
|
0 6 0 0 4 |
3 |
|
|
0 6 0 0 |
5 |
3 |
|
C |
|
|
|
C |
|
|
|
|
0 0 5 0 0 |
5 |
0 0 5 0 0 |
7 |
|||||
|
0 0 4 3 0 |
7 |
|
|
0 0 3 4 |
0 |
8 |
|
|
|
|
|
|||||
|
0 0 0 0 0 |
0 |
|
|
0 0 0 0 |
0 |
0 |
|
|
|
|
|
- 46 -
7) |
|
|
|
|
|
|
|
8) |
|
|
|
|
|
|
0 5 |
6 7 |
0 |
0 |
0 6 |
7 5 0 0 |
|||||||||
|
|
|
7 6 |
5 |
|
|
|
|
|
|
|
|
||
0 0 |
0 |
0 0 |
5 7 4 0 |
|||||||||||
|
0 |
0 |
0 0 |
4 |
8 |
|
|
0 0 |
0 0 8 3 |
|
||||
C |
|
|
4 0 |
3 |
|
|
C |
|
|
|
|
|
||
0 0 |
9 |
0 0 |
3 0 0 8 |
|||||||||||
|
0 |
0 |
0 4 |
0 |
6 |
|
|
0 0 |
0 5 0 7 |
|
||||
|
|
|
|
|||||||||||
|
0 |
0 |
0 0 |
0 |
0 |
|
|
0 0 |
0 0 0 0 |
|
||||
|
|
|
|
|||||||||||
9) |
|
|
|
|
|
|
|
10) |
|
|
|
|
|
|
0 8 |
7 4 |
0 |
0 |
0 9 |
7 6 |
0 |
0 |
|||||||
|
|
|
4 3 |
0 |
|
|
|
|
|
4 4 |
0 |
|
|
|
0 0 |
0 |
0 0 |
0 |
|||||||||||
|
0 |
5 |
0 0 |
8 |
4 |
|
|
0 5 |
0 0 |
8 |
5 |
|
||
C |
|
|
|
|
|
|
C |
|
|
3 0 |
5 |
|
|
|
0 0 |
3 0 0 9 |
0 0 |
10 |
|||||||||||
|
0 |
0 |
0 5 0 6 |
|
|
0 0 |
0 4 |
0 |
6 |
|
||||
|
|
|
|
|||||||||||
|
0 |
0 |
0 0 0 0 |
|
|
0 0 |
0 0 |
0 |
0 |
|
||||
|
|
|
|
|||||||||||
11) |
|
|
|
|
|
|
|
12) |
|
|
|
|
|
|
0 5 |
7 8 0 0 |
0 7 |
7 6 0 0 |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 0 |
4 3 0 0 |
0 0 |
4 3 0 0 |
|||||||||||
|
0 3 |
0 2 8 5 |
|
|
0 2 |
0 0 8 3 |
|
|||||||
C |
|
|
|
|
|
|
|
C |
|
|
|
|
|
|
0 0 |
4 0 1 10 |
0 0 |
6 0 4 9 |
|||||||||||
|
0 0 |
0 3 0 5 |
|
|
0 0 |
0 1 0 5 |
|
|||||||
|
|
|
|
|||||||||||
|
0 0 |
0 0 0 0 |
|
|
0 0 |
0 0 0 0 |
|
|||||||
|
|
|
|
|||||||||||
13) |
|
|
|
|
|
|
|
14) |
|
|
|
|
|
|
0 8 |
7 9 |
0 |
0 |
0 5 |
8 5 |
0 |
0 |
|||||||
|
|
|
4 2 0 |
|
|
|
|
|
4 3 |
0 |
|
|
||
0 0 |
0 |
0 0 |
0 |
|||||||||||
|
0 |
4 |
0 0 |
8 |
5 |
|
|
0 0 |
0 2 |
8 |
6 |
|
||
C |
|
|
0 0 |
4 |
|
|
C |
|
|
2 0 |
4 |
|
|
|
0 0 |
6 |
0 0 |
10 |
|||||||||||
|
0 |
0 |
2 3 |
0 |
7 |
|
|
0 0 |
0 3 |
0 |
5 |
|
||
|
|
|
|
|||||||||||
|
0 |
0 |
0 0 |
0 |
0 |
|
|
0 0 |
0 0 |
0 |
0 |
|
||
|
|
|
|
- 47 -
15) |
|
|
|
|
|
16) |
|
|
|
|
|
|
|
0 9 |
7 6 0 0 |
0 6 |
7 8 0 0 |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||
0 0 |
4 2 0 0 |
0 0 |
4 3 0 0 |
||||||||||
|
0 3 |
0 0 8 7 |
|
|
0 1 |
0 0 8 3 |
|
||||||
C |
|
|
|
|
C |
|
|
|
|
|
|
||
0 4 |
0 0 5 8 |
0 0 |
0 0 0 9 |
||||||||||
|
0 0 |
0 4 0 4 |
|
|
0 0 |
2 3 0 5 |
|
||||||
|
|
|
|
||||||||||
|
0 0 |
0 0 0 0 |
|
|
0 0 |
0 0 0 0 |
|
||||||
|
|
|
|
||||||||||
17) |
|
|
|
|
|
18) |
|
|
|
|
|
|
|
0 8 |
6 7 0 0 |
0 9 |
7 8 |
0 |
0 |
||||||||
|
|
|
|
|
|
|
|
|
4 2 0 |
|
|
||
0 0 |
4 2 0 0 |
0 0 |
0 |
||||||||||
|
0 0 |
0 0 8 5 |
|
|
0 |
2 |
0 0 |
8 |
3 |
|
|||
C |
|
|
|
|
C |
|
|
|
0 0 2 |
|
|
||
0 0 |
0 0 6 9 |
0 0 |
10 |
||||||||||
|
0 0 |
0 3 0 5 |
|
|
0 |
0 |
6 3 |
0 |
5 |
|
|||
|
|
|
|
||||||||||
|
0 0 |
0 0 0 0 |
|
|
0 |
0 |
0 0 0 |
0 |
|
||||
|
|
|
|
||||||||||
19) |
|
|
|
|
|
20) |
|
|
|
|
|
|
|
0 7 |
7 5 0 |
0 |
0 8 |
6 5 |
0 |
0 |
|||||||
|
|
|
4 2 0 |
|
|
|
|
|
|
4 3 |
0 |
|
|
0 0 |
0 |
0 0 |
0 |
||||||||||
|
0 2 |
0 0 8 |
3 |
|
|
0 |
2 |
0 0 |
8 |
3 |
|
||
C |
|
|
0 0 2 |
|
|
C |
|
|
|
0 0 |
1 |
|
|
0 0 |
10 |
0 0 |
10 |
||||||||||
|
0 0 |
4 3 0 |
5 |
|
|
0 |
0 |
4 3 |
0 |
6 |
|
||
|
|
|
|
||||||||||
|
0 0 |
0 0 0 |
0 |
|
|
0 |
0 |
0 0 |
0 |
0 |
|
||
|
|
|
|
||||||||||
21) |
|
|
|
|
|
22) |
|
|
|
|
|
|
|
0 5 |
7 5 0 |
0 |
0 6 |
7 5 |
0 |
0 |
|||||||
|
|
|
4 2 0 |
|
|
|
|
|
|
4 2 |
0 |
|
|
0 0 |
0 |
0 0 |
0 |
||||||||||
|
0 0 |
0 0 8 |
6 |
|
|
0 |
0 |
0 0 |
8 |
3 |
|
||
C |
|
|
0 0 4 |
|
|
C |
|
|
|
0 0 0 |
|
|
|
0 0 |
10 |
0 0 |
10 |
||||||||||
|
0 0 |
0 3 0 |
3 |
|
|
0 |
0 |
0 3 |
0 |
5 |
|
||
|
|
|
|
||||||||||
|
0 0 |
0 0 0 |
0 |
|
|
0 |
0 |
0 0 0 |
0 |
|
|||
|
|
|
|
- 48 -
23) |
|
|
|
|
|
|
|
24) |
|
|
|
|
0 6 |
7 5 |
0 |
0 |
0 8 |
9 6 0 |
0 |
||||||
|
|
|
4 2 |
0 |
|
|
|
|
4 2 0 |
|
|
|
0 0 |
0 |
0 0 |
0 |
|||||||||
|
0 1 |
0 0 |
8 |
3 |
|
|
0 3 |
0 0 8 |
9 |
|
||
C |
|
|
0 0 |
0 |
|
|
C |
|
0 0 4 |
|
|
|
0 0 |
10 |
0 0 |
8 |
|||||||||
|
0 0 |
0 3 |
0 |
5 |
|
|
0 0 |
0 3 0 |
5 |
|
||
|
|
|
|
|||||||||
|
0 0 |
0 0 |
0 |
0 |
|
|
0 0 |
0 0 0 |
0 |
|
||
|
|
|
|
|||||||||
25) |
|
|
|
|
|
|
|
|
|
|
|
|
0 |
4 |
9 |
5 |
0 |
0 |
|
|
|
|
|
||
|
|
0 |
4 |
2 |
0 |
|
|
|
|
|
|
|
0 |
0 |
|
|
|
|
|
||||||
|
0 |
3 |
0 |
0 |
8 |
6 |
|
|
|
|
|
|
C |
|
0 |
0 0 |
4 |
|
|
|
|
|
|
|
|
0 |
10 |
|
|
|
|
|
||||||
|
0 |
0 |
0 3 |
0 |
9 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
0 |
0 |
0 0 |
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
§7. |
Численные методы оптимизации |
||
Пусть функция |
f (x), определенная при |
всех n –мерных векторов |
|
x Rn , имеет минимум |
|
|
|
f (x*) min{ f (x) : x (x ,..., x |
n |
) Rn }. |
|
|
1 |
|
Последовательность векторов x(0) , x(1) ,..., x(k) , ... называют минимизирующей последовательностью, если f (x(k) ) f (x*) при k .
Методы построения минимизирующей последовательности называют численными методами оптимизации. Рассмотрим два из них – метод спуска и метод Ньютона.
- 49 -
Метод спуска. Если целевая функция f (x) в некоторой окрестности точки минимума x * дифференцируема и ее градиент удовлетворяет условию Липшица
f
где L называют константой критических точек функции можно построить следующей
(x) f (y) L x y ,
Липшица, и если в этой окрестности нет других f (x), то минимизирующую последовательность формулой
x(k) x(k 1) t f (x(k 1) ), k 1, 2, ,
где t 1/(2L), x(0) - начальная точка из рассматриваемой окрестности.
Алгоритм метода спуска для приближенного нахождения точки минимума:
1.Задать точность приближения 0 и выбрать начальную точку x(0) .
2.Последовательно находить точки
x(k) x(k 1) t f (x(k 1) ), k 1, 2, ,
до тех пор, пока при некотором k0 не будет выполнено неравенство
f (x(k0 ) ) .
3. x x(k0 ) – приближенная точка минимума.
Метод Ньютона. Пусть целевая функция f (x) дважды непрерывна
дифференцируема в некоторой окрестности точки минимума x * и в каждой
точке x этой окрестности существует матрица H 1(x) , обратная матрице
вторых производных H (x) функции f (x). И пусть в данной окрестности нет других критических точек функции f (x). Тогда минимизирующую последовательность можно построить следующей формулой
x(k) x(k 1) H 1(x(k 1) ) f (x(k 1) ) , k 1, 2, ,
- 50 -
где x(0) - начальная точка из окрестности x *.
Алгоритм метода Ньютона для приближенного нахождения точки
минимума:
1.Задать точность приближения 0 и выбрать начальную точку x(0) .
2.Последовательно находить точки
x(k) x(k 1) H 1(x(k 1) ) f (x(k 1) ) , k 1, 2, ,
до тех пор, пока при некотором k0 не будет выполнено неравенство
f (x(k0 ) ) .
3. x x(k0 ) – приближенная точка минимума.
Если целевая функция f (x) трижды непрерывно дифференцируема в
некоторой окрестности точки минимума x * и ее матрица вторых производных
H (x) удовлетворяет условию сильной выпуклости H (x) l I , где I -
единичная матрица и l 0 не зависит от x , то последовательности, которые
строятся методами спуска и Ньютона, действительно будут минимизурующими
последовательностями.
Пример 7.1. Рассмотрим функцию
f (x) x4 |
ax4 (bx cx )2 |
px qx , |
|
x (x , x |
2 |
) |
, |
|
|||||
1 |
|
2 |
1 |
2 |
1 |
2 |
|
|
1 |
|
|
|
|
где a 0 , bc 0, |
| |
p | | q | 0. Заметим, что |
|
|
|
|
|
|
|
|
|||
f (x) |
при |
| x |2 x2 |
x2 |
. |
|
|
|
|
|
||||
|
|
|
|
|
1 |
2 |
|
|
|
|
|
|
|
Отсюда вытекает существование минимума функции. |
|
|
|
|
|
|
|
||||||
Найдем градиент и матрицу вторых производных функции: |
|
|
|
|
|||||||||
f (x) 4x3 |
2b(bx cx ) p , 4ax3 |
|
|
|
|
|
|
|
|||||
2c(bx cx ) q |
, |
||||||||||||
|
1 |
1 |
2 |
|
2 |
|
|
1 |
2 |
|
|
|
|
|
|
12x2 2b2 |
2bc |
|
|
|
|
|
|
|
|||
|
H (x) |
1 |
|
12ax |
2 2c |
. |
|
|
|
|
|
||
|
|
|
2bc |
|
2 |
|
|
|
|
|
|||
|
|
|
|
|
2 |
|
|
|
|
|
|
|
- 51 -
Заметим, что в любой точке отличной |
от |
нуля, в |
силу a 0 , bc 0, |
|||
определитель матрицы H (x) положительный: |
|
|
|
|||
det H (x) 24 6ax2x2 c |
2x2 ab2x2 |
0. |
|
|||
|
1 |
2 |
1 |
2 |
|
|
Любая критическая точка функции |
f (x), |
в силу | p | | q | 0, |
отлична от |
|||
нуля. Следовательно, в любой критической точке det H (x) 0. |
|
|||||
В любой точке x матрица H (x) удовлетворяет условию сильной |
||||||
выпуклости H (x) l I , где |
l min (2b2 |
, 2c2 ). |
Поэтому |
сходимость |
методов спуска и Ньютона обеспечена.
Находим константу Липшица:
f (x) f (y) 2 4(x13 y13) 2b2 (x1 y1) 2bc(x2 y2 ) 2
|
|
4a(x3 |
y |
3) 2c |
2 (x |
2 |
y |
2 |
) 2bc(x y ) 2 |
|
|
||||||||||||||||||||
|
|
|
2 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
1 |
|
|
|
|
|||||
|
3 4(x3 y |
3) 2 |
3 2b2 (x y ) 2 3 2bc(x |
2 |
y |
2 |
) 2 |
|
|
||||||||||||||||||||||
|
1 |
1 |
|
|
|
|
1 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
3 4a(x3 |
y3) 2 3 2c2 (x |
2 |
y |
2 |
) 2 |
3 2bc(x y ) 2 |
|
|
||||||||||||||||||||||
|
2 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
1 |
|
|
|||||
|
48 | x y |2 (x2 |
|
x y y2 ) a2 |
(x2 x |
2 |
y |
2 |
y |
2 ) |
|
|||||||||||||||||||||
|
|
|
|
|
1 |
|
|
1 |
1 |
|
|
1 |
|
|
|
|
|
|
|
2 |
|
|
|
2 |
|
|
|||||
|
|
|
|
24 max(| b |4,| c |4 ) | x y |2 |
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
96 max(1, a2 )(| x |2 |
| y |2 ) 24 max(| b |4,| c |4 ) |
|
| x y |2 |
|||||||||||||||||||||||||||
Полагая | |
x | r , | y | r и |
L2 |
192 max(1, a2 )r2 24 max(| b |4,| c |4 ), |
||||||||||||||||||||||||||||
имеем: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
f (x) f (y) |
|
L |
|
x y |
|
|
при |
| |
x | r , |
|
| y | r . |
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
Теперь найдем матрицу |
|
H 1(x) : |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
H 1(x) 36ax2x2 6c2x2 |
6ab2x |
2 |
|
1 |
|
2 |
c |
2 |
|
bc |
|
||||||||||||||||||||
|
|
|
6ax2 |
|
|
. |
|||||||||||||||||||||||||
|
|
|
1 2 |
|
|
|
1 |
|
|
|
|
|
|
|
|
2 |
|
|
|
bc |
|
|
6x2 |
b |
2 |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
Таким образом, формула метода спуска принимает следующий вид: