- •Учебно-методические материалы к изучению дисциплины «Методы оптимизации» (конспект лекций)
- •1. Классификация задач оптимизации
- •2. Классификация математических методов и моделей в экономике
- •3. Линейное программирование
- •3.1. Постановка задачи линейного программирования
- •3.2. Экономическая интерпретация задач линейного программирования
- •3.3. Требования совместности условий
- •3.4. Графический метод решения задач линейного программирования
- •3.5. Симплекс-метод
- •3.6. Модифицированный симплекс-метод
- •3.7. Построение опорных планов
- •3.8. Условия оптимальности
- •3.9. Метод искусственного базиса
- •3.10. Транспортная задача
- •3.11. Двойственные задачи линейного программирования
- •3.12. Устойчивость оптимизационного решения
- •4. Нелинейное программирование
- •4.1. Классификация и общая постановка задач нелинейного программирования
- •4.2. Метод множителей Лагранжа
- •4.3. Возможные обобщения метода множителей. Седловая точка функции Лагранжа
- •4.4. Оптимальные решения при ограничениях-неравенствах. Теорема Куна - Таккера
- •4.5. Выпуклое программирование. Задача выпуклого программирования
- •4.6. Квадратичное программирование
- •4.7. Градиентные методы
- •5. Оптимизация на графах
- •5.1. Основные понятия теории графов
- •5.2. Связность
- •5.3. Подграфы
- •5.4. Матрица графов
- •5.5. Потоки в сетях
- •5.6. Задача о максимальном потоке сети
- •5.7. Задача о кратчайшем пути
- •5.8. Задача коммивояжера
- •5.9. Оптимизация сетевого графика
- •5.10. Методы оптимизации производственной программы
- •6. Динамическое программирование
- •6.1. Общая постановка задачи динамического программирования
- •6.2. Принцип оптимальности. Уравнение Беллмана
- •6.3. Простейшие экономические задачи, решаемые методом динамического программирования
- •7. Математические модели потребительского поведения и спроса
- •7.1. Отношение предпочтения и функция полезности
- •7.2. Решение задачи об оптимальном выборе потребителя
- •7.3. Функции спроса. Коэффициент эластичности
4.2. Метод множителей Лагранжа
Рассмотрим частный случай общей задачи нелинейного программирования (1), (2), предполагая, что система ограничений (2) содержит только уравнения, отсутствуют условия неотрицательности переменных и функции f и gi - непрерывные вместе со своими частными производными
(1)
(2)
В курсе математического анализа задачу (1), (2) называют задачей на условный экстремум или классической задачей оптимизации.
Чтобы найти решение такой задачи, вводят набор переменных называемых множителями Лагранжа, и составляют функцию Лагранжа:
(3)
находят частные производные и , рассматривают систему n+m уравнений:
(4)
с n+m неизвестными . Всякое решение системы (4) определяет точку в которой может иметь место экстремум функции . Следовательно, решив систему (4), получают все точки, в которых функция (1) может иметь экстремальные значения. Дальнейшее исследование найденных точек проводят так же, как и в случае безусловного экстремума.
Пример. Известен рыночный спрос на определенное изделие в количестве 180 штук. Это изделие может быть изготовлено двумя предприятиями одного концерна по различным технологиям. При производстве х1 изделий первым предприятием его затраты составят руб., а при изготовлении х2 изделий вторым предприятием они составляют руб.
Определить, сколько изделий, изготовленных по каждой технологии, может предложить концерн, чтобы общие издержки его производства были минимальны.
Решение. Задача запишется в виде:
(5)
(6), (7)
Для нахождения минимального значения функции (5) при условии (6), т. е. без учета требования неотрицательности переменных, составляется функция Лагранжа:
вычисляются ее частные производные по и приравнивается нулю:
Отсюда или . Решая это уравнение совместно с , находим , т. е. получаем координаты точки, подозрительной на экстремум. Используя вторые частные производные, можно показать, что в этой точке функция f имеет условный минимум.
Такой же результат можно получить, если исследование на условный экстремум функции f свести к исследованию на безусловный экстремум функции f 1? полученной из f в результате ее преобразований.
Таким образом, если из уравнения связи найти х2 = 180 – x1 и подставить это выражение в целевой функции, то получится функция одной переменной x1.
.
или 4х1 - 364 = 0, откуда . Используя вторые частные производные, устанавливаем, что в данной точке функция f имеет минимальное значение.
4.3. Возможные обобщения метода множителей. Седловая точка функции Лагранжа
Здесь будут обсуждены вопросы относящиеся к оптимизационным задачам, содержащим ограничения вида и . Главное внимание уделяется изучению особенностей функции Лагранжа и связанных с ними условий существования экстремума.
Введем определение: точка , заданная своими координатами , является седловой, для функции , если неравенства выполнены для всех из некоторой окрестности .
Это определение относится к локальной седловой точке, поскольку требование выполнить указанные в нем неравенства связано лишь с теми , которые находятся «вблизи» . В том же смысле можно говорить и обо всех , представляющих интерес в той или иной задаче; соответствующая седловая точка рассматривается как глобальная.
Анализ необходимых условий существования таких точек будет проведен в предположении, что часть переменных не имеет ограничения на знак, остальные же должны быть либо неотрицательными, либо неположительными; для конкретности при и ; при и ; произвольный знак имеют хi и λi при , .
Пусть точка является седловой для . Рассмотрим две группы производных, считая, что таковые существуют: . Поскольку определена как точка максимума Ф по X и минимума по , производные , должны обратиться в нуль при , если нет ограничений на знак этих .
Таким образом, для и для .
Чтобы понять, как ведут себя рассматриваемые производные при , достаточно выбрать переменную хк с номером и провести на ее примере необходимое исследование, cчитая все остальные переменные фиксированными.
Если как функция только хк достигает максимума при , то ; но если (точка максимума Ф принадлежит границе области хк 0), то можно ожидать либо либо (рис. 7). Повторив подобные рассуждения применительно к другим нетрудно получить сводку необходимых условий существования .
(1)
причем всегда
Рис. 7 Рис. 8
Для анализа, достаточных условий введем определение: некоторая функция F(X) называется выпуклой на интервале [Х1,Х2], если при 0<a<1 (рис. 8). В основе определения вогнутой на [Х1, Х2] функции лежит неравенство противоположного смысла, причем часто употребляются термины «выпуклая вниз», «выпуклая вверх».
Пусть Ф(Х, ) является выпуклой (вверх) по X для всех X из -окрестности Х0, т.е.
это значит . Выбирая таким, что (сохраняются линейные члены разложения в ряд Тейлора), получаем
или .
Слагаемое интерпретируется, очевидно, как
Если, все эти соотношения рассматриваются при выполненных условиях (1), то,
Следовательно, - неположительная величина и тем более . Таким образом, из (1) и предположения о выпуклости вверх но X получено неравенство, присутствующее в определении седловой точки.
Считая теперь выпуклой (вниз) по вблизи , т.е. при , нетрудно придти к выводу: . Этим подтверждается достаточность общих условий (1) и требования « должна быть выпуклой по Х и вогнутой по в окрестности » для существования «седла».