- •Исследование задач на безусловный минимум (с док.) Схема исследования.
- •Глава III нелинейное программирование
- •Задача на безусловный минимум
- •3.1.1. Условие оптимальности
- •3.1.2 Схема исследования задач типа (1)
- •III Вычислительные методы
- •4.3.1 Аппроксимация функций
- •Общая схема методов 1-го порядка
- •4.3.3 Выбор направления и шага в методах 1-гопорядка. Градиентные методы
- •4.3.4 Общая схема методов 2-го порядка. Метод Ньютона
- •4.3.5 Другие методы. О выборе метода
- •IV Варианты исчисления
- •Озви ом
- •Необходимое условие оптимальности в терминах вариации
4.3.4 Общая схема методов 2-го порядка. Метод Ньютона
Рассмотрим задачу:
(1)
В методах 2-го порядка на -ой итерации по известному приближению решается задача
(9)
– квадратичная аппроксимация. Если окрестность строится с помощью линейных ограничений, то (9) – задача квадратичного программирования, её решение – .
Различные способы задания окрестности задают различные методы. Будем решать (9) в 2 этапа:
I этап: , . Тогда придём к задаче:
, (10)
Решение этой задачи принимается за – направление итерации. Шаг выбирается одним из 3-х способов (из 3.3)
Пример. Пусть в задаче (1) выполняется условие
(11)
то есть функция является строго выпуклой.
Замечание. Условие (11) может выполняться в некоторой окрестности решения задачи, тогда и функция строго выпукла . Задача (10) имеет решение, даже если положить и будет находиться в стационарной точке .
Положим в (10) и составим уравнение стационарности
(12)
Направление итерации, которое выбирается по формуле (12) называется направлением Ньютона, а методы, основанные на таком либо подобном направлении, называется ньютоновскими. В частности. Если положить , то получим классический метод Ньютона.
Геометрическая интерпретация направлений Ньютона: в к линии уровня строим касательный эллипс: . Направление Ньютона ведёт в центр эллипса (матрица 2-го порядка (12) как бы поворачивает антиградиент в сторону оптимального плана и нормализует его длину (формирует шаг)). Поэтому методы 2-го порядка более точные и быстрее сходятся.
4.3.5 Другие методы. О выборе метода
Для задачи (1) популярны методы многомерного поиска. Самый простой из них метод покоординатного спуска: на первой итерации в качестве направления выбирается , затем подбирается шаг с помощью решения задачи:
(13)
Замечание. В этом методе шаг может быть и отрицательный. Затем полагаем . На 2-ой итерации в качестве направления снова решается задача (13), находится шаг и строится , и так далее. На -ой итерации выбирается решается задача (13) и получаем . Задача (13) решается методом последовательного подбора .
Первые итераций метода дают его полный цикл, если нас не удовлетворяет, то можно совершить ещё один цикл. В методе покоординатного спуска на каждой итерации решается одномерная задача минимизации (13) (можно использовать метод золотого сечения, Фибоначчи) и на каждом шаге улучшается лишь одна компонента плана.
4.3.6 Метод случайного поиска
В этом методе на -ой итерации по известному приближению в качестве выбирается некоторый случайный вектор единичной длины, . При этом используются механизмы теории вероятности (датчик случайных чисел). После того, как направление выбрано, проверяется, является ли оно подходящим. Если выполняется , для некоторого малого, то выбирается в качестве направлений итерации и осуществляется итерация, шаг выбирают по 3-ему способу. Если , то шаг изменяется на противоположный либо выбирается по-новому.
Замечание. Не всегда противоположное направление оказывается подходящим. (Если в качестве случайного направления выбрано касательное, то и противоположное не будет подходящим.)
Один из самых популярных методов 1-го порядка, который по сходимости близок к методу 2-го порядка – метод сопряжённого градиента.
При выборе метода для решения конкретной задачи надо учитывать всю информацию, тип целевой функции, её гладкость, форму поверхности уровня, кривизну и так далее.
Общая рекомендация: первые итерации лучше проводить грубыми методами (метод поиска), затем переходить к методу 1-го порядка, а затем в малых окрестностях решения можно использовать метод Ньютона (так как там обычно выполняется неравенство (12)).