- •Глава 6. Постановки задачи нелинейного программирования (знп) и основные определения…………………………...3
- •Глава 7. Задача одномерной оптимизации…………………………………….13
- •Глава 8. Графический метод решения знп…………………………………...33
- •Глава 10. Выпуклое программирование……………………………………....62
- •Глава 11. Квадратичное программирование…………………………………74
- •Глава 12. Задача безусловной оптимизации (збо)…………………………………………………………………..81
- •Глава 13. Задача условной оптимизации (зуо)……………………….……127
- •Глава 6.
- •6.1. Задача нелинейного программирования (знп) и ее постановки.
- •6.2. Основные определения.
- •6.3. Классификация знп.
- •6.4. Классическая оптимизация.
- •Глава 7. Методы одномерной оптимизации
- •Постановка задачи. Основные понятия
- •7.2. Поиск отрезка, содержащего точку максимума Алгоритм Свенна
- •Методы нулевого порядка.
- •Дихотомический поиск (метод деления отрезка пополам)
- •Метод золотого сечения
- •Метод дск-Пауэлла
- •7.4. Методы первого порядка.
- •Метод средней точки
- •Метод хорд (секущих)
- •Метод кубической аппроксимации
- •7.5. Методы второго порядка. Метод Ньютона-Рафсона
- •Итерация 1
- •Глава 8. Графический метод решения знп.
- •8.1. Алгоритм графического метода решения знп
- •8.2. Решение примеров.
- •Выпуклые и вогнутые функции
- •9.1. Определения
- •9.2. Свойства вогнутых (выпуклых) функций
- •9.3. Критерии вогнутости (выпуклости) гладких функций
- •9.4. Экстремальные свойства вогнутых (выпуклых) функций
- •9.5. Сильно вогнутые (выпуклые) функции
- •9.5.1. Определение. Примеры
- •9.5.2. Свойства сильно вогнутых (выпуклых) функций
- •9.5.3. Критерии сильной вогнутости (выпуклости)
- •9.5.4. Экстремальные свойства сильно вогнутых (выпуклых) функций
- •Глава 10. Выпуклое программирование
- •10.1. Постановка задачи
- •10.2. Функция Лагранжа. Седловая точка функции Лагранжа, условия ее существования Определение 10.1. Функция , (10.10)
- •10.3. Достаточные условия оптимальности
- •10.4. Условия регулярности выпуклого множества
- •10.5. Теорема Куна-Таккера. Общий случай
- •10.6. Теорема Куна-Таккера. Случай линейных ограничений
- •Глава 11. Квадратичное програмирование.
- •11.1. Постановка задачи квадратичного программирования (зкп)
- •11.2. Применение теории Куна-Таккера к решению зкп.
- •11.3. Решение задач.
- •Глава 12. Методы безусловной оптимизации
- •12.1. Постановка задачи
- •Алгоритм метода спуска
- •. Методы нулевого порядка (прямого поиска)
- •Метод Хука-Дживса
- •Алгоритм метода Хука-Дживса, использующий одномерный поиск
- •Метод покоординатного спуска
- •Первый вариант
- •Второй вариант
- •Методы первого и второго порядков
- •Градиентные методы. Метод скорейшего спуска – метод Коши
- •Метод Ньютона
- •Модифицированный метод Ньютона
- •Методы, использующие сопряженные направления
- •Определение сопряженных направлений
- •Оптимизация квадратичной функции. Конечная сходимость алгоритмов, использующих сопряженные направления
- •12.4.4. Метод Дэвидона-Флетчера-Пауэлла Шаг 1.Метод Дэвидона-Флетчера-Пауэлла (дфп) принадлежит к классу квазиньютоновских методов, в которых направление поиска задаётся в виде
- •Алгоритм метода дфп
- •Итерация 1
- •Шаг 2. Вычислим , тогда .
- •Шаг 2. Вычислим , тогда .
- •12.4.5. Метод сопряжённых градиентов Флетчера-Ривса
- •Алгоритм метода Флетчера-Ривса
- •Глава 13. Методы условной оптимизации
- •13.1. Постановка задачи. Классификация методов
- •Общая схема методов условной оптимизации
- •Шаг 2.Шаг 1. Выбрать ( -я итерация) – возможное направление подъёма функции в точке . Если такого направления нет, то - решение задачи. В противном случае перейти к шагу 2.
- •13.2. Методы возможных направлений
- •13.2.1. Метод Зойтендейка
- •Пример 13.2
- •Итерация 3
- •Шаг 4.Рисунок 13.6
- •13.2.2. Метод Топкиса-Вейнотта
- •Пример 13.3
- •Итерация 1
- •Шаг 5.Рисунок 13.7
- •Алгоритм метода Топкиса-Вейнотта
- •13.2.3. Метод Франка-Вульфа
- •Алгоритм метода Франка-Вульфа
- •Шаг 5. Находим шаг в направлении новой точки . Решение этой задачи (одномерной): .
- •Шаг 3. Так как , переходим к шагу 4.
- •Шаг 5. Решаем задачу: .
- •Литература
11.2. Применение теории Куна-Таккера к решению зкп.
Сформулируем теорему Куна-Таккера для ЗКП (11.1)-(11.2).
Теорема 11.1.
Для того чтобы точка была решением задачи (11.1)-(11.2), необходимо и достаточно существование такого , чтобы точка была седловой точкой функции Лагранжа задачи выпуклого программирования (11.1)-(11.2).
Так как функция (11.1) является непрерывно дифференцируемой, то справедлива теорема:
Теорема 11.2.
Для того чтобы точка была решением задачи (11.1)-(11.2), необходимо и достаточно существование такого , чтобы для точки выполнялись условия (10.18)-(10.23). (см.главу 10).
Запишем функцию Лагранжа для ЗКП (11.1)-(11.2):
Согласно теореме 11.2 выпишем условия существования седловой точки. (11.4-11.9)
(1) , (11.4)
(2) , (11.5)
(3) , (11.6)
(4) , (11.7)
(5) , (11.8)
(6) (11.9)
Дополним неравенства 11.4 и 11.7 до равенств, введя дополнительные переменные: .
Получим:
, (11.10)
, (11.11)
, (11.12)
, (11.13)
, (11.14)
, . (11.15)
Равенства (11.11) и (11.13) равносильны более простым, так как векторы и одновременно либо отличны от нуля, либо равны нулю.
,
,
Система уравнений:
(11.16)
(11.17)
содержит (m+n) уравнений с 2(m+n) неизвестными: .
Так как равенства и равносильны равенствам , то по крайней мере (n+m) неизвестных равны нулю.
Следовательно, решение ЗКП сводится к отысканию неотрицательного базисного решения системы уравнений (11.16-11.17), которое может быть получено методом искусственного базиса (см. параграф 2.7).
11.3. Решение задач.
Алгоритм решения ЗКП
Пример 11.1:
,
1 шаг. Запишем функцию Лагранжа для данной ЗКП:
2 шаг. Вычислим , :
3 шаг. Запишем условия существования седловой точки.
4 шаг. Вводим дополнительные переменные и получим систему из 4-х уравнений с 8-ю неизвестными:
5 шаг. Выпишем расширенную матрицу полученной системы уравнений:
Так как матрица не является K-матрицей, то добавим к 1-му и второму уравнениям искусственные переменные , в результате чего получим ЗЛП:
Которую решаем симплекс-методом (см. таблицу 11.1).
S |
N |
C |
XN |
X1 |
X2 |
Y1 |
Y2 |
V1 |
V2 |
W1 |
W2 |
Z1 |
Z2 |
|
0 |
Z1 |
-1 |
4 |
4 |
-2 |
1 |
1 |
-1 |
0 |
0 |
0 |
1 |
0 |
1 |
Z2 |
-1 |
6 |
-2 |
4 |
1 |
5 |
0 |
-1 |
0 |
0 |
0 |
1 |
|
|
W1 |
0 |
2 |
1 |
1 |
0 |
0 |
0 |
0 |
1 |
0 |
0 |
0 |
2 |
|
W2 |
0 |
5 |
1 |
5 |
0 |
0 |
0 |
0 |
0 |
1 |
0 |
0 |
5 |
|
|
|
-10 |
-2 |
-2 |
-2 |
-6 |
1 |
1 |
0 |
0 |
0 |
0 |
|
|
1 |
X1 |
0 |
1 |
1 |
- 1/2 |
1/4 |
1/4 |
-1/4 |
0 |
0 |
0 |
1/4 |
0 |
|
Z2 |
-1 |
8 |
0 |
3 |
3/2 |
11/2 |
-1/2 |
-1 |
0 |
0 |
1/4 |
1 |
8/3 |
|
W1 |
0 |
1 |
0 |
3/2 |
-1/4 |
-1/4 |
1/4 |
0 |
1 |
0 |
-1/4 |
0 |
2/3 |
|
W2 |
0 |
4 |
0 |
11/2 |
-1/4 |
-1/4 |
1/4 |
0 |
0 |
1 |
-1/4 |
0 |
8/11 |
|
|
|
-8 |
0 |
-3 |
-3/2 |
-11/2 |
-1/2 |
1 |
0 |
0 |
1/2 |
0 |
|
|
2 |
X1 |
0 |
4/3 |
1 |
0 |
1/6 |
1/6 |
-1/6 |
0 |
1/3 |
0 |
1/6 |
0 |
8 |
Z2 |
-1 |
6 |
0 |
0 |
2 |
6 |
-1 |
-1 |
-2 |
0 |
1 |
1 |
1 |
|
X2 |
0 |
2/3 |
0 |
1 |
-1/6 |
-1/6 |
1/6 |
0 |
2/3 |
0 |
-1/6 |
0 |
|
|
W2 |
0 |
1/3 |
0 |
0 |
2/3 |
2/3 |
-2/3 |
0 |
-11/3 |
1 |
2/3 |
0 |
1/2 |
|
|
|
-6 |
0 |
0 |
-2 |
-6 |
1 |
1 |
2 |
0 |
0 |
0 |
|
|
3 |
X1 |
0 |
5/4 |
1 |
0 |
0 |
0 |
0 |
0 |
5/4 |
-1/4 |
0 |
0 |
1 |
Z2 |
-1 |
3 |
0 |
0 |
-4 |
0 |
5 |
-1 |
31 |
-9 |
-5 |
1 |
3/31 |
|
X2 |
0 |
3/4 |
0 |
1 |
0 |
0 |
0 |
0 |
-1/4 |
1/4 |
0 |
0 |
|
|
Y2 |
0 |
1/2 |
0 |
1 |
1 |
1 |
-1 |
0 |
-11/2 |
3/2 |
1 |
0 |
|
|
|
|
-3 |
0 |
0 |
4 |
0 |
-5 |
1 |
-31 |
9 |
6 |
0 |
|
|
4 |
X1 |
0 |
35/31 |
1 |
0 |
5/31 |
0 |
-24/124 |
5/124 |
0 |
7/62 |
25/124 |
-5/24 |
|
W1 |
0 |
3/31 |
0 |
0 |
-4/31 |
0 |
5/31 |
-1/31 |
1 |
-9/31 |
-5/31 |
1/31 |
|
|
X2 |
0 |
24/31 |
0 |
1 |
-1/31 |
0 |
5/124 |
-1/124 |
0 |
11/62 |
-5/124 |
1/124 |
|
|
Y2 |
0 |
32/31 |
0 |
0 |
9/31 |
1 |
7/62 |
|
0 |
-3/31 |
7/62 |
11/62 |
|
|
|
|
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|