- •Методы конечномерной оптимизации
- •390005, Рязань, ул. Гагарина, 59/1.
- •Лабораторная работа № 1 Методы одномерной оптимизации
- •1. Краткие теоретические сведения
- •1.1. Метод золотого сечения
- •1.3. Методы с использованием производных
- •2. Исходные данные
- •3. Порядок выполнения работы
- •4. Содержание отчета
- •Лабораторная работа № 2 Методы безусловной оптимизации функций многих переменных
- •3. Порядок выполнения работы
- •4. Содержание отчета
- •Лабораторная работа № 3 Линейное программирование
- •1. Краткие теоретические сведения
- •Теорема о существовании решений. Задача линейного программирования вида (3.1) или (3.3) имеет решение тогда и только тогда, когда допустимые множества прямой и двойственной задачи не пусты, т.Е.
- •2. Содержание работы
- •3. Порядок выполнения работы
- •4. Содержание отчета
- •Лабораторная работа № 4 Дискретное программирование
- •2. Порядок выполнения работы
- •3. Содержание отчета
4009
ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ
РЯЗАНСКИЙ ГОСУДАРСТВЕННЫЙ РАДИОТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ
Методы конечномерной оптимизации
Методические указания
к лабораторным работам
Рязань 2007
УДК 519.6
Методы конечномерной оптимизации: методические указания к лабораторным работам / Рязан. гос. радиотехн. ун-т; сост. Ю.А. Филатов.- Рязань, 2007. - 24 с.
Содержат описания четырех лабораторных работ по курсу «Методы конечномерной оптимизации».
Предназначены студентам дневного отделения специальности 080116 «Математические методы в экономике».
В постановке лабораторных работ принимали участие студенты группы 332: Комарова М.О., Самуленок Л.Л., Куликов А.А., Фомин Н.В.
Табл. 4. Ил. 4. Библиогр.: 7 назв.
Отрезок локализации, точка минимума функции, алгоритм поиска, безусловная оптимизация, условная оптимизация, пакет оптимизации системы Matlab, прямая задача линейного программирования, двойственная задача линейного программирования
Печатается по решению редакционно-издательского совета Рязанского государственного радиотехнического университета.
Рецензент: кафедра эконометрики и математического моделирования РГРТУ (зав. кафедрой проф. Е.П. Чураков)
Методы конечномерной оптимизации
Составитель Ф и л а т о в Юрий Анатольевич
Редактор Н.А. Орлова
Корректор С.В. Макушина
Подписано в печать 20.12.07 . Формат бумаги 60х84 1/16.
Бумага газетная. Печать трафаретная. Усл. печ. л. 1,5.
Уч.-изд. л. 1,5. Тираж 50 экз. Заказ
Рязанский государственный радиотехнический университет.
390005, Рязань, ул. Гагарина, 59/1.
Редакционно–издательский центр РГРТУ.
Лабораторная работа № 1 Методы одномерной оптимизации
Цель работы: ознакомление с методами одномерной минимизации унимодальных функций в среде Mathcad.
1. Краткие теоретические сведения
Задача минимизации функции одной переменной (задача одномерной минимизации) относится к наиболее простому типу оптимизационных задач. Подобные задачи достаточно часто встречаются в экономике, а алгоритмы одномерной оптимизации используются во многих вычислительных процедурах поиска экстремума функций многих переменных. В работе рассматриваются методы в предположении, что исследуемая функция , называемая целевой, является унимодальной [1,2].
Задача одномерной минимизации ставится следующим образом. Требуется найти точку минимума унимодальной на отрезке целевой функции с абсолютной ошибкой . Формально эта задача записывается так:
. (1.1)
Рассмотрим кратко некоторые часто используемые методы одномерной минимизации [1,2].
1.1. Метод золотого сечения
Данный метод основан на свойствах точек золотого сечения отрезка [1]:
точки размещаются на одинаковых расстояниях от середины отрезка;
точка является второй точкой золотого сечения отрезка , а точка - первой точкой золотого сечения отрезка ;
.
Алгоритм золотого сечения, удобный для реализации на ЭВМ, включает следующие шаги [1].
Шаг 1. Задаемся абсолютной ошибкой оценки точки минимума . Вычисляем точки отрезка , содержащего точку минимума [1]
, (1.2)
где .
Определяем значения функции в этих точках .
Шаг 2. Сравниваем значения и .
Если , то исключается интервал , и отрезком локализации становится отрезок .
Полагаем . Вычисляем (1.2) и . Переходим к шагу 3.
Если , то исключается интервал , и дальнейший поиск точки минимума осуществляется на отрезке .
Полагаем . Вычисляем (1.2) и .
Шаг 3. Вычисляем абсолютную ошибку, с которой определяется искомая точка минимума на новом отрезке локализации .
Если , то . Поиск заканчивается.
Если , то переходим к шагу 2.
Из описания алгоритма видно, что на каждой итерации, за исключением первой, выполняется одно вычисление значения целевой функции.
1.2. Метод Фибоначчи
Для применения метода требуется указать число N вычислений целевой функции, обеспечивающее заданную точность нахождения точки минимума на отрезке длиной . Для этого по заданной абсолютной ошибке определяется величина , округляемая до большего числа Фибоначчи , а затем число необходимых шагов N.
Числа Фибоначчи, определяются из условий .
Алгоритм Фибоначчи включает следующие шаги [2].
Шаг 1. На первой итерации определяются две точки исходного отрезка
(1.3)
расположенные симметрично относительно середины отрезка , в которых вычисляются значения функции и .
Шаг 2. Полагаем . Если , то отрезком локализации точки минимума функции становится отрезок длиной , включающий точку .
Полагаем , вычисляем точку
значение функции в ней и переходим к шагу 3.
Если , то отрезком локализации точки минимума функции становится отрезок той же длины, включающий точку .
Полагаем , вычисляем точку
,
значение функции в ней .
Шаг 3. Если , то осуществляется переход к шагу 2.
Если , то программа останавливается, .
После (N-1)-го шага вычисляемые точки сливаются в одну и оказываются в середине отрезка локализации длиной . Эта точка аппроксимирует локализованную на этом отрезке точку минимума с ошибкой, не превышающей половины данного отрезка .