- •Задача НЛП с ограничениями-равенствами.
- •В НЛП особо рассматриваются задачи с ограничениями-равенствами:
- •Если все ограничения выполняются, то
- •После выполнения операций дифференцирования, получаем в общем случае систему нелинейных уравнений относительно xi
- •1. Пусть * — точка подозрительная на экстремум, полученная с помощью выражений (3).
- •Если эта матрица определена:
- •2. Пусть — угловой минор матрицы Гессе k-го порядка:
- •3. Наиболее «сильным» достаточным признаком является следующий.
- •где — транспонированная матрица. Матрица имеет размерность
- •Пример: Решить задачу:
- •Получаем решение системы
Задача НЛП с ограничениями-равенствами.
Метод Лагранжа
1
В НЛП особо рассматриваются задачи с ограничениями-равенствами:
Решение такой задачи производится с использованием функции Лагранжа, позволяющей построить новую целевую функцию, которая бы учитывала ограничения.
2
или
где F() — целевая функция задачи (1), ( множители Лагранжа
3
Если все ограничения выполняются, то
Ф() = F().
Таким образом, задача минимизации нелинейной целевой функции с ограничениями-равенствами сводится к минимизации функции Лагранжа без ограничений.
Для ее решения используется классический прием — записываются необходимые условия существования экстремума:
4
5
или
6
После выполнения операций дифференцирования, получаем в общем случае систему нелинейных уравнений относительно xi и λi – неизвестных и
множителей Лагранжа.
Решение системы (3) дает точки, подозрительные на экстремум. Их еще надо проверить с помощью достаточных признаков экстремума.
Рассмотрим некоторые из этих
признаков.
7
1. Пусть * — точка подозрительная на экстремум, полученная с помощью выражений (3).
Рассмотрим матрицу Гессе — матрицу H вторых производных в точке *:
8
Если эта матрица определена:
положительно, то точка * - минимум; отрицательно, то точка * - максимум;
знаконеопределена, то признак не дает ответа на вопрос;
полуопределена, то признак не дает ответа на вопрос.
9
2. Пусть — угловой минор матрицы Гессе k-го порядка:
a)если , , , ... — это достаточный признак минимума;
b)если , , , ... — это достаточный признак максимума (знаки строгих неравенств чередуются, начиная с отрицательного);
c)если же в определителях знаки ≥ и ≤, то это необходимый, а не достаточный признак, и вопрос об экстремуме не решается.
10