- •1. Характеристика основных подходов к задачам оптимизации
- •1.1. Модельный подход к постановке и решению задачи оптимизации
- •1.1.1 Применение математической модели оптимизации
- •1.2. Применение физической модели объекта оптимизации
- •1.1.3 Совместное применение (комбинирование) физической и математических моделей
- •1.1.4 Инженерный метод решения практических задач оптимизации
- •1.2. Варианты натурно-модельного подхода к задачам оптимизации
- •1 .2.1. Оптимизация на базе натурно-модельных блоков пересчетными моделями
- •1.2.2. Оптимизация на базе натурного объекта и частичной физической модели
- •1.2.3. Оптимизация на базе совместно использования натурной части о. О.(объекта оптимизации), частичной физической модели оо и частичной математической модели оо
- •1.3. Натурный подход к оптимизации
- •2. Известные математические описания. Модели. Задачи оптимизации
- •2.1 Удовлетворенческая (ограничительная) математическая модель (схема) оптимизации
- •2.2. Математическая постановка (модель) задачи скалярной оптимизации
- •2.3. Математическая постановка (модель) задач векторной оптимизации
- •2.3.5 Способ идеальной точки
- •Коэффициенты важности
- •2.3.6. Отыскание оптимума по Парето
- •2.3.7. Математическая схема (модель) задач нечеткой (размытой) оптимизации
- •2.4 Экспертная система
- •2.5. Процедуры оптимизации решений на основе отбора альтернатив.
- •Классификация задач скалярной оптимизации
- •Некоторые типовые задачи скалярного математического программирования
- •Раздел 3. Некоторые алгоритмы решения задач оптимизации
- •3.1 Поисковые (прямые) алгоритмы оптимизации
- •Алгоритм полного перебора (алгоритм сеток)
- •3.1.2 Алгоритм покоординатного поиска
- •3.1.3 Градиентный алгоритм поиска оптимума с использование реверса (возврата назад)
- •3.1.4 Поиск оптимума в многокритериальном пространстве.
- •3.2 Симплекс-алгоритм решения задачи линейного программирования
- •О методе решения задач злп в случае целочисленности искомых переменных
- •3.3. Алгоритм динамического программирования
- •3.4 Метод последовательного конструирования, анализа и отсеивания вариантов (так называемый киевский веник).
- •3.5 Некоторые алгоритмы теории ...
- •Метод ветвей и границ
- •Оптимизация решений с использованием теории статистических решений (тср)
- •Случай 1.
- •Случай 2
- •Некоторые процедуры Парето-оптимизации
Некоторые типовые задачи скалярного математического программирования
а) Задача линейного программирования
Дано:
- множество искомых переменных (вещественные числа) ;
- критерий оптимальности ;
- ограничения:
- граничные условия
Требуется:
Найти такие {xj}, которые удовлетворяют ограничениям, граничным условиям и соответствующему максимуму критерия Q.
Данная задача в матричной векторной форме записывается в следующей форме:
Найти
Данный тип задачи оптимизации имеет определенные предпосылки (ограничения), при выполнении которых гарантируется отыскание верного решения.
Условия, предпосылки:
Коэффициенты задачи aj Cj bj должны быть известны точно
Ограничения задач должны быть совместны
Количество искомых переменных n должно быть больше чем количество ограничений m (m<n);
{Хj} должны относится к положительным вещественным числам, которые определяются точно в процессе проектирования.
б) Задача с нелинейным критерием и линейными ограничениями
Найти такие, что при выполнении ограничений:
в) Задачи с сепарабельным критерием оптимальности
г) Задача геометрического программирования
Найти такие, что при выполнении ограничений:
д) Задача линейного целочисленного программирования
Найти
Раздел 3. Некоторые алгоритмы решения задач оптимизации
3.1 Поисковые (прямые) алгоритмы оптимизации
Поисковые алгоритмы классифицируются следующим образом:
Поисковые алгоритмы: |
||
Вероятностные (опираются на случайные числа, выбираемы в соответствии с заданным законом распределения вероятностей) |
Детерминированные |
|
Случайный перебор |
Алгоритмы полного перебора |
Алгоритмы направленного поиска |
Рассмотрим конкретные примеры поисковых алгоритмов.
Алгоритм полного перебора (алгоритм сеток)
Рассмотрим задачу.
Дано:
1) Исходное пространство Rx
2) Вектор искомых переменных
3) Критерий оптимальности
4) Ограничения:
Требуется:
Найти удовлетворяющие критериям.
Пример:
В итоге получаем множество точек и будим искать среди них оптимальное значение (например, перебором).
Алгоритм:
Достоинства: для повышения быстродействия данного алгоритма можно использовать различную плотность сетки или комбинированную сетку с большими и малыми размерами ячеек.
Недостаток: быстро растущие затраты времени на поиск оптимума с ростом числа вариантов решения.
3.1.2 Алгоритм покоординатного поиска
Поочередный подбор решений конкретных координат пространства искомых переменных
Данный метод гарантирует нахождение оптимума только в 1 случае, когда критерий оптимальности сепарабельный.
Формула сепарабельного критерия:
Для отыскания приближенного решения этот метод также можно применять.
Достоинства по отношения к предыдущему алгоритму: можно достигнуть оптимума без полного перебора