- •Лекции по математическим основам принятия оптимальных технических решений
- •1.Лекции по курсу математические основы
- •1.4. Этапы процесса принятия решений
- •1.5. Классификация задач принятия решений
- •1.6. Основные принципы принятия решений.
- •2. Оптимизация систем.
- •2.1 Постановка задачи оптимизации
- •2.3.Понятие о свойствах целевой и ограничивающих функций
- •2.4.Определение линейной системы.
- •2.5. Формальные методы построения математических моделей. Выбор факторов и переменных состояния объекта исследования
- •2.6. Планирование эксперимента
- •2.6.1.Обработка экспериментальных данных.
- •2.6.2.Полный факторный эксперимент.
- •3. Классификация методов оптимизации
- •3.1.Классификация задач оптимизации.
- •3.2.Одномерная оптимизация
- •3.2.1. Метод сканирования
- •3.2.4. Метод параболической аппроксимации
- •3.3. Многомерная оптимизация. Концепция методов.
- •3.4. Многомерная безградиентная оптимизация
- •3.8. Многомерная градиентная оптимизация
- •3.9. Методы оптимизации 1-ого порядка
- •4. Постановка задачи многокритериальной оптимизации
- •1.6 Многопараметрическая оптимизация.
- •5.Обобщенная модель управления запасами
- •6. Классическая статическая модель
- •7. Задача экономичного размера заказа с разрывами цен
- •8.Многопродуктовая статическая модель управления запасами с ограничениями вместимости.
- •9. Динамическая модель управления запасами при отсутствии затрат на оформление.
- •10. Модель управления запасами с затратами на оформление заказа.
- •11.Понятие игры. Характеристика игры. Цена игры.
- •12. Классификация игр. Определение седловой точки.
- •13.Определение смешанной стратегии. Решение игры 2*2 в смешанных стратегиях.
- •14.Типы критериальных функций в играх с природой.
- •15.Классические критерии принятия решений в играх с природой.
- •16.Производные критерии принятия решений в играх с природой
- •17.Шкала. Определение. Виды.
- •18.Экспертные методы получения количественных оценок альтернатив.
- •19.Экспертные методы получения качественных оценок альтернатив.
- •20.Метод анализа иерархий. Этапы.
- •21.Метод анализа иерархий. Шкала.
- •22.Метод анализа иерархий. Калибровки.
- •23.Метод анализа иерархий. Вектора приоритетов.
- •24.Метод анализа иерархий. Оценка согласованности.
3.2.4. Метод параболической аппроксимации
Метод заключается в замене нелинейной функции R(x) квадратичной параболой R2(x), построенной по трем точкам, принадлежащим R(x), с последующим нахождением тах параболической функции, используя аналитические условия оптимальности: dR/dx=0. На первом этапе в качестве исходных трех точек используются x1 = а, x2=b и х3 =(а+b)/2. В этих точках вычисляется R(x) и по полученным точкам R(x1), R(x2), R(x3) строится парабола R**2 = С2*x**2 +С1*Х +С0, коэффициенты которой находятся из решения соответствующей системы уравнений:R**2(x1)=R(x1), R**2(x2)=R(x2), R**2(x3)=R(x3). Условие оптимальности приводит к уравнению х4=С1/(2*С2), где x4 — точка максимума параболы R**2(x) . Далее выбирается новый отрезок, внутри которого находится точка х4, и, используя x3, x4, строится новая парабола, по которой уточняется положение максимума R(x) и т.д. до тех пор, пока величина отрезка, внутри которого находится максимум, не будет меньше заданной погрешности . Таким образом, метод имеет итерационный характер. К достоинству метода относится высокая скорость сходимости к оптимуму, хотя метод может не всегда сходиться к нему. На рис.6 приведены два случая применения метода параболической аппроксимации: а) рассмотрена ситуация, когда метод параболической аппроксимации сходится к решению, уже на третьем этапе парабола, построенная по точкам х3,х4, x5 практически совпадает с исходной функцией; б) парабола не имеет максимума уже на втором этапе.
a) |
b) |
Рис. 6. Иллюстрация метода параболической аппроксимации: |
а — решение найти можно;
б — решение найти нельзя;
1 — функция, экстремум которой ищется;
2 — аппроксимирующая парабола первого этапа, построенная по точкам х1, х2, х3;
3 — аппроксимирующая парабола второго этапа, построенная по точкам х2, х3, х4;
x3 — середина исходного интервала;
x4 —точка максимума первой параболы;
х5 — точка максимума второй параболы
Пример. Дана функция R(x) = sin(x+1).Найти максимум на интервале: [-1, 2]. Ошибка задается по х: =0,05.Результаты расчетов. Первая аппроксимирующая парабола строится по точкам: x1= -1 ,R(-1)=0, x2=0.5,R(0.5)=0.997,x3=2,R(2)=0.141. Запишем систему уравнений для нахождения коэффициентов параболы:
Решением этой системы является С2 =-0,41197, С1 =0,459012, С0 =0,87089.
Находим х, при котором парабола имеет максимум: ,при этом R =0,99990609. По этой точке, а также по второй и третьей исходным точкам, лежащим по обе стороны от точки максимума параболы, аналогично строится вторая парабола, максимум которой оказывается в точке х =0,578, а R =0,999. Разница между двумя точками максимума менее заданной погрешности, следовательно, можно заканчивать поиск. В этом методе всего четыре раза вычислялся критерий оптимальности.
3.3. Многомерная оптимизация. Концепция методов.
Математическая постановка задачи имеет следующий вид:
Задачу условной оптимизации сформулируем в традиционном виде:
Найти минимум целевой функции
(1)
по поисковым переменным при наличии различных ограничений:
на поисковые переменные
, (2)
l=1,L; L-число поисковых переменных;.
на поисковые переменные в виде функциональных неравенств , (3)
j=1,J; J - число функциональных неравенств;
на поисковые переменные в виде функциональных равенств , (4)
i=1,I. I - число функциональных равенств.