- •ОГЛАВЛЕНИЕ
- •ВВЕДЕНИЕ
- •1. ВВЕДЕНИЕ В ЗАДАЧИ ОПТИМИЗАЦИИ
- •1.1. Функции одной переменной
- •1.2. Функции многих переменных
- •ЗАДАЧИ
- •2. КЛАССИЧЕСКАЯ ЗАДАЧА МАТЕМАТИЧЕСКОГО ПРОГРАММИРОВАНИЯ
- •2.1. Задачи оптимизации при отсутствии ограничений
- •2.2. Метод множителей Лагранжа
- •ЗАДАЧИ
- •3. НЕЛИНЕЙНОЕ ПРОГРАММИРОВАНИЕ
- •3.1. Постановка задачи
- •3.3. Методы решения задач нелинейного программирования
- •3.4. Градиентные методы оптимизации
- •3.5. Квадратичные методы оптимизации
- •3.6. Учет ограничений в градиентных методах оптимизации
- •3.7. Последовательный симплексный метод
- •3.10. Методы случайного поиска
- •3.11. Глобальный поиск
- •3.12. Многокритериальные задачи
- •ЗАДАЧИ
- •4. ЛИНЕЙНОЕ ПРОГРАММИРОВАНИЕ
- •4.1. Постановка задачи
- •4.2. Двойственные задачи ЛП
- •4.3. Методы решения задач линейного программирования
- •ЗАДАЧИ
- •5. СПЕЦИАЛЬНЫЕ ЗАДАЧИ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ
- •5.1. Транспортные задачи
- •5.2. Задачи целочисленного программирования
- •5.3. Задача выбора вариантов
- •5.4. Дискретное программирование
- •5.5. Задача коммивояжера
- •ЗАДАЧИ
- •БИБЛИОГРАФИЧЕСКИЙ СПИСОК
2. КЛАССИЧЕСКАЯ ЗАДАЧА МАТЕМАТИЧЕСКОГО ПРОГРАММИРОВАНИЯ
Общая постановка задачи |
|
|
|
Q x max, |
(2.1) |
|
x X |
|
|
X x : x E n ,q x b . |
(2.2) |
Геометрически каждое из равенств, входящих в систему ограничений |
||
qi x , x ,...,xn bi , |
i , ,...,m определяет множество точек в n-мерном евк- |
лидовом пространстве, а пересечение всех m множеств представляет собой допустимое множество.
Ограничения типа равенств уменьшают размерность пространства поиска. На рис. 2.1 представлены линии равного уровня двумерной задачиn . Допустимое множество Х представляет собой плоскость прямоугольной системы координат. Если ввести одно ограничение q x b , то об-
ласть поиска решения задачи сужается до размерности ограничения – равенства.
|
x |
|
|
|
q x b |
|
|
|
|
|
X |
x |
|
|
|
|
A |
|
|
|
B |
|
q x b |
|
|
|
x |
|
|
|
|
|
x |
q x b |
|
|
|
|
|
Рис. 2.1. Геометрическая иллюстрация задачи оптимизации |
Точка экстремума x должна лежать на ограничении q x b (точка
А).
Если ввести еще одно ограничение q x b задача поиска экстремума
потеряет смысл. Решение задачи определено точкой В пересечения ограничений. Введение третьего ограничения не позволяет решить задачу (2.1).
16
Для решения задачи необходимо, чтобы n m. Разность n m называется числом степеней свободы задачи.
2.1. Задачи оптимизации при отсутствии ограничений
В случае отсутствия ограничений m необходимые условия экстремума – это равенство нулю градиента
|
|
|
|
|
|
|
|
|
|
|
T |
gradQ x Q x |
|
Q x |
Q x |
... Q x |
|
|
|||||
|
|
|
|
. (2.3) |
|||||||
x |
|
|
|
x |
|
x |
|
xn |
|
|
|
|
|
|
|
|
|
|
|
Точка, в которой выполняется условие (2.3) называется стационарной точкой. Если функция Q x имеет в некоторой окрестности точки
x x ,...,xn непрерывные вторые частные производные и в этой точке вы-
полняются необходимые условия (2.3), то в случае, когда второй дифференциал
x T G x x , |
(2.4) |
есть отрицательно определенная квадратичная форма, то x – точка строго локального максимума
|
|
|
|
|
|
Q x Q x x . |
|
|
|
|
|
|
(2.5) |
|||||||||||
Это достаточные условия экстремума. |
|
|
|
|
|
|
|
|||||||||||||||||
Если условие (2.4) строго положительно, то x – точка строго локаль- |
||||||||||||||||||||||||
ного минимума. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Здесь xT x x |
|
... x |
n |
|
– произвольно малое приращение вектора x, |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
Q x |
|
Q x |
|
|
|
||||||||
|
|
|
|
|
|
|
Q x |
|
... |
|
|
|||||||||||||
|
|
|
|
|
|
|
|
x |
|
|
x x |
|
|
x x |
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|||||||||
|
Q x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
G x |
|
|
Q x |
Q x |
|
Q x |
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
... |
|
|
|
|
|
– матрица Гессе. |
||
x |
x |
|
|
x |
|
x |
|
|
x |
|
|
|
x |
x |
|
|
||||||||
|
j |
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|||||||||
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
Q x |
... |
|
|
... |
Q x |
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
x |
n |
x |
|
|
|
|
x |
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
(2.6)
Для интерпретации задачи оптимизации важное значение имеет выпуклость и вогнутость как целевой функции, так и ограничений задачи.
Функция Q x является выпуклой (выпуклой вниз) (рис. 2.2), если для
любых двух точек x и x выполняется условие |
|
Q αx2 1 α x1 αQ x2 1 α Q x1 , |
(2.7) |
при .
Выпуклые функции одной переменной (двух переменных) лежат выше любой касательной (плоскости) к данной функции (см. рис. 2.2).
17
Функция выпукла вниз, |
если гессиан |
|
2Q x |
|
||||
G x |
x x |
положительно |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
j |
|
определен. |
|
|
|
|
|
|
|
|
Q (x) |
|
|
|
|
Q (x) |
|
|
|
|
αQ x2 1 α Q x1 |
|
|
|
|
|||
|
хорда |
|
|
касательная |
||||
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
хорда |
|
|
|
|
касательная |
|
|
|
|
|
|
|
|
x |
|
|
|
x |
x |
α x |
2 |
1 α Q x x |
x |
|
|
x |
|
|
|
1 |
|
|
|
|
|
|
Рис.2.2. Выпуклая вниз функция |
Рис. 2.3. Выпуклая вверх (вогнутая) |
|||||||
|
|
|
|
|
|
функция |
|
|
Для выпуклых функций одной переменной это означает, что вторая |
||||||||
производная положительна, а для n-переменных положительно определена |
||||||||
квадратичная форма xT G x x . |
|
|
|
|
||||
Для выпуклой вверх (вогнутой) функции (рис. 2.3) справедливо соот- |
||||||||
ношение |
|
|
Q αx2 1 α x1 αQ x2 1 α Q x1 , |
|
||||
|
|
|
(2.8) |
|||||
при . |
|
|
|
|
|
|
|
|
Такая функция лежит выше хорды, соединяющей любые две точки ее |
||||||||
графика. Соответственно гессиан вогнутой функции G x |
отрицательно оп- |
|||||||
ределен. |
|
|
|
|
|
|
|
|
Прямые, плоскости и гиперплоскости |
|
|
|
|
||||
|
|
|
Q x a0x0 a1x1 |
a2x2 ... anxn , |
(2.9) |
|||
являются одновременно и выпуклыми и вогнутыми функциями и их гессиан |
||||||||
равен нулю. |
|
|
|
|
|
|
|
|
Примеры решения задач оптимизации в Mathcad (рис. 2.4, 2.5). |
|
18
Поис к минимума с ис пользованием функции fi nd
n 20 |
k 30 |
i 0 n |
j 0 k |
|
Q(x1 x2) 0.5(x1 2)2 0.2(x2 3)2 |
|
|||
x1i 0 0.2 i |
x2j 0 0.2 j |
Mi j Q x1ix2j |
||
|
|
|
|
|
|
|
|
|
|
M |
|
|
|
|
|
|
|
|
M |
|
|
|
|
Необходимые ус ловия |
|
|
|
|
|||||||||
x1 0 |
x2 0 |
- начальное приближение (начальная точка поис ка) |
|||||||||||
Given |
|
|
|
|
|
|
|
|
|
|
|
||
d |
|
|
|
|
d |
|
|
|
|
|
2 |
Q x00x01 0 |
|
|
|
Q(x1 x2) |
|
0 |
|
Q(x1 x2) |
|
0 |
x0 Find(x1 x2) |
x0 |
|
||
|
|
|
|
|
|||||||||
dx1 |
|
|
|
dx2 |
|
|
3 |
|
Дос таточные ус ловия
|
|
|
|
d2 |
|
|
|
d |
|
|
d |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
Q(x1 x2) |
|
|
|
|
|
|
|
|
|
Q(x1 x2) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
dx12 |
|
|
|
dx1 dx2 |
|
|
|
|
|
|
|
|
|
14 |
|
||||||||||||
MG |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
MG |
|
|
1 |
|
1.469 10 |
|
|||
d |
|
|
d |
|
|
|
|
|
|
|
d2 |
|
|
|
|
|
|
|
4 |
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
Q(x1 x2) |
|
|
|
|
|
|
|
|
Q(x1 x2) |
|
|
|
|
3.189 10 |
|
|
0.4 |
|
|||||
dx2 dx1 |
|
|
|
|
dx22 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
x1 |
|
|
|
1 |
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
M |
|
|
|
|
|
|
|
|
|
|
|
T |
M |
x1 |
2 |
0.4 x2 |
2 |
|||||||
|
|
x2 |
|
|
|
0 |
0.4 |
|
|
|
|
|
|
|
|
Квадратичная форма положительно определена для любого ?x и с ледовательно
x0 - точка с трого глобального минимума. |
|
|
|
|||||
Поис к минимума с ис пользованием функции m inimize |
|
|||||||
x1 0 |
x2 0 - начальное приближение |
|
|
|
||||
|
|
|
2 |
|
0 |
1 |
|
|
xmin MinimizeQ( x1 x2) |
xmin |
|
0 |
|||||
Q xmin |
xmin |
|||||||
|
|
|
3 |
|
|
|
|
Рис. 2.4. Поиск экстремума с использованием функций find и minimize
19
Нахождение экс тремума с ложной функции типа "с едло"
n 20 |
k 30 |
i 0 n |
Q(x1 x2) 0.5 (x1 2)2 0.2 (x2 3)2
x1i 0 0.2 i |
x2j 0 0.2 j |
j 0 k
M Q x1 x2 i j i j
M |
|
|
|
|
|
|
|
|
|
M |
|
|
Необходимые ус ловия |
|
|
|
|
|
|||||||
|
|
|
|
|
|
|||||||
x1 5 |
|
x2 5 |
- начальное приближение (начальная точка поис ка) |
|||||||||
Given |
|
|
|
|
|
|
|
|
|
|
||
d |
Q(x1 x2) |
|
0 |
d |
Q(x1 x2) |
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
||||
dx1 |
|
|
dx2 |
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
2 |
0 |
1 |
|
||
xx Find(x1 x2) |
|
xx |
|
|
0 |
|||||||
|
|
Q xx |
xx |
|||||||||
|
|
|
|
|
|
|
3 |
|
|
|
Дос таточные ус ловия
|
|
d |
2 |
|
|
|
|
|
|
|
|
|
Q(x1 x2) |
|
|||
|
|
|
|
2 |
|
|||
MG |
dx1 |
|
||||||
|
|
|
|
|
|
|
||
d |
|
d |
|
|
Q(x1 x2) |
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
dx2 dx1 |
|
d d |
|
|
|
|
|||||
|
Q(x1 x2) |
|
|||||||
|
|
|
|
|
|
|
|
||
dx1 dx2 |
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
d |
2 |
|
Q(x1 x2) |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|||
|
|
dx22 |
|
||||||
|
|
|
|
|
|
|
x1 |
1 |
0 |
|
M |
|
|
||
|
|
|
0 |
0.4 |
|
x2 |
|
|
|
|
1 |
|
0 |
MG |
|
10 15 |
|
4.046 |
0.4 |
T M x12 0.4 x22
Квадратичная форма не удовлетворяет ус ловиям положительнос ти. В с едловой точке дос тигаетс я минимум по переменной х1 и макс имум по переменной х2.
Рис. 2.5. Нахождение экстремума сложной функции
20