- •Методы однокритериальной оптимизации
- •2. Порядок выполнения лабораторной работы
- •3. Требования к защите лабораторной работы
- •2. Порядок выполнения лабораторной работы
- •2. Порядок выполнения работы
- •3. Требования к защите лабораторной работы
- •3. Требования к защите лабораторной работы
- •Контрольные вопросы
- •Лабораторная работа № 5 случайный поиск с линейной и нелинейной тактикой
- •Параметрическая и структурная адаптация алгоритмов
- •3. Требования к защите лабораторной работы
- •Контрольные вопросы
- •Лабораторная работа № 6 эволюционный бионический алгоритм
- •3. Требования к защите лабораторной работы
- •Литература
- •Варианты заданий
2. Порядок выполнения работы
Разработать программу поиска минимума функции методом Хука-Дживса с прежними исходными данными. Координаты начальной точки поиска должны быть заданы двумя способами: ввод координат пользователем и случайным образом. Шаг и точность поиска также задается пользователем.
Осуществить 3-4 запуска программы из различных точек с разным шагом. Поиск прекращается, когда длина шага будет меньше или равна заданной точности.
Нанести на график с линиями уровней стартовую точку, траекторию поиска и найденную точку с минимальным значением функции.
3. Требования к защите лабораторной работы
Для защиты работы представить алгоритм и программу поиска минимума функции двух переменных. Результатом работы программы является правильное нахождение экстремума функции при старте из произвольно заданной начальной точки в области допустимых значений.
Контрольные вопросы
Характеристика алгоритмов с локальными свойствами.
Достоинства и недостатки метода Хука-Дживса.
Возможные модификации метода.
Лабораторная работа № 4
МЕТОД ШТРАФНЫХ ФУНКЦИЙ
Цель работы: Изучение метода штрафных функций для поиска условного экстремума при использовании локальных методов оптимизации.
1. Описание метода
Идея метода заключается в образовании составной целевой функции
,
где m – число ограничений;
-штрафная функция, учитывающая ограничения в виде неравенств;
Y(x) – рассматриваемая функция;
fj(x) – функциональные и параметрические ограничения;
r – принимает значения от 3 до 5.
должна быть равна нулю в допустимой области и на границах ее и стремиться к увеличению при нарушении ограничений, т.е. налагать штраф.
2. Порядок выполнения работы
Для метода Хука-Дживса, реализованного в лабораторной работе № 3, разработать программу поиска экстремума с учетом ограничений, т.е. реализовать возможность генерации стартовой точки в недопустимой области решений.
Осуществить 3-4 запуска программы из различных точек с разным шагом. Окончание процесса поиска аналогично прекращению поиска в методе Хука-Дживса.
Нанести на график с линиями уровней стартовую точку, траекторию поиска и найденную точку с минимальным значением функции.
3. Требования к защите лабораторной работы
Для защиты работы представить алгоритм и программу поиска минимума функции двух переменных с учетом параметрических и функциональных ограничений. Результатом работы программы является правильное нахождение экстремума функции при старте из произвольно заданной начальной точки в области поиска.
Контрольные вопросы
Внутренние и внешние штрафные функции.
Учет ограничений в методах с локальными свойствами.
Лабораторная работа № 5 случайный поиск с линейной и нелинейной тактикой
Цель работы: Изучение локальных методов случайного поиска, их адаптация и практическая реализация в задачах условной и безусловной оптимизации.
Описание методов
Метод случайного поиска с линейной тактикой
Данный метод строится с помощью двух операторов. Первый оператор случайного шага (), второй - оператор повторения предыдущего шага.
Суть метода: вероятность удачи в ранее удачном шаге больше, чем в случайном, т.е. целесообразно повторять удачные шаги, а при неудаче делать новый случайный шаг. Линейность такого алгоритма заключается в линейном повторении удачного шага (рис. 1).
Метод случайного поиска с нелинейной тактикой
Данный алгоритм моделирует метод проб и ошибок и строится из двух операторов. Первый оператор случайного шага (). Второй оператор – возврат.
Идея алгоритма: используются только те случайные шаги, которые привели к успеху, т.е. к улучшению целевой функции. Неудачные шаги исправляются с помощью оператора возврата. Случайность является поощрением (рис. 2).
Алгоритм выгодно применять в ситуации со значительной нелинейностью, когда вероятность повтора успешного шага в том же направлении невелика (в области экстремума или при сильной овражности целевой функции).