- •А.В. Михайлов
- •Утверждено
- •Москва 2009
- •1.1. Основные понятия и определения.
- •1.2 Основные этапы формулировки задачи.
- •1.3 Классификация оптимизационных задач.
- •1.4 Критерий оптимальности.
- •1.5. Условия оптимальности решения.
- •2.1. Постановка задачи. Методы решения оптимизационных задач.
- •2.3. Численные методы решения задачи (методы одномерного поиска).
- •2.3.1. Метод равномерного поиска
- •2.3.2. Метод последовательного равномерного поиска.
- •2.3.3. Метод дихотомии (Метод деления интервала неопределенности пополам)
- •2.3.4 Метод золотого сечения
- •3. Определение безусловного максимума функции нескольких переменных.
- •3.1. Постановка задачи и ее геометрическая интерпретация. Линии равного уровня.
- •Аналитический метод решения задачи. Аналитический метод использует необходимое условие max функции нескольких переменных:
- •Численные методы решения задачи (методы многомерного поиска).
- •Метод направленного перебора.
- •3.3.2. Методы нулевого порядка.
- •3.3.2.1. Метод Гауса-Зайделя (покоординатного поиска).
- •Пример: Выполнить первый цикл поиска максимума функции:
- •3.3.2.2. Симплекс-метод
- •3.3.3. Численные методы первого порядка (градиентные)
- •3.3.3.2. Метод градиента.
- •3.3.3.3. Метод крутого восхождения.
- •4.1 Постановка задачи и ее геометрическая интерпретация
- •4.2. Аналитические методы решения задачи
- •4.2.1. Метод неопределенных множителей Лагранжа
- •Теорема Куна-Таккера.
- •4.3. Численные методы решения задачи
- •4.3.1. Метод штрафных функций
- •5. Оптимизация многостадийных процессов
- •5.1. Постановка задачи на примере и ее формализация.
- •5.3. Метод динамического программирования. Принцип оптимальности Беллмана.
- •5.4. Задача определения оптимального пути на сетевом графике (графе).
- •6. Линейное программирование.
- •6.1. Постановка задачи линейного программирования и особенности ее решения.
- •7.Определение максимума функционала. (Вариационная задача оптимизации).
- •7.1. Пример постановки вариационной задачи.
- •7.2. Определение безусловного максимума функционала. (Классическая вариационная задача), (задача Эйлера).
- •7.3. Определение условного максимума функционала (неклассическое вариационное исчисление)
- •7.4. Определение условного максимума функционала с ограничениями типа дифференциальных уравнений. Принцип максимума Понтрягина.
- •8.1. Формирование критериев оптимальности.
- •8.2. Способы формирования сводного критерия оптимальности.
- •8.2.1. Свертка частных критериев с весовыми коэффициентами.
- •8.2.2. Использование нормативных критериев.
- •8.2.3. Приближение к идеалу.
- •8.2.4. Справедливый компромисс.
- •8.3. Оптимальность по Парето.
- •9. Типовые постановки задач оптимального управления технологическими процессами
- •9.1. Пуск и остановка единичного агрегата.
- •9.2. Пуск системы взаимосвязанных агрегатов.
- •9.3. Оптимизация статического установившегося режима.
- •9.4. Оптимизация циклического установившегося режима.
- •9.5. Оптимизация режима в аппарате периодического действия.
- •9.6. Календарное планирование работы аппарата
- •9.7 Оптимальный режим работы параллельно включенных агрегатов: распределение нагрузок.
- •9.7.1. Минимизация затрат.
- •9.7.2. Учет вероятностного характера нагрузки.
- •9.7.3. Учёт динамических факторов.
- •9.8. Оптимальный режим работы последовательно включенных агрегатов.
- •9.9. Согласование работы периодически или циклически действующих аппаратов.
3. Определение безусловного максимума функции нескольких переменных.
3.1. Постановка задачи и ее геометрическая интерпретация. Линии равного уровня.
(3.1). по вектору , гдеи область допустимых значенийV задана условиями (3.2).
Заметим, что в дальнейшем все области допустимых значений варьируемых переменных, задаваемые только в виде автономных ограничений (3.2) будем обозначать буквой V, а области, где присутствуют ограничения типа связи и (или) функциональные ограничения по-прежнему буквой D.
Таким образом по постановке задачи сразу можно будет отличать задачу на нахождение целевого максимума , от задачи на нахождение безусловного максимума.
Рис. 3.1.
Рассмотрим - функция двух переменных (рис. 3.1). Для ее изображения необходимо трехмерное пространство, что неудобно. Поэтому функцию двух переменных обычно изображают на плоскости варьируемых переменных X1, X2 в виде линий равного уровня (рис. 3.2). Координаты X1 и X2 любой точки линии равного уровня дадут одно и то же значение целевой функции . Внутри линий равного уровня отображается точка максимумаM. Чем ближе расположена линия равного уровня к точке максимума, тем большему значению целевой функции она соответствует. Так на рисунке 3.1 имеем С2 > С1.
Задавая границы иi=1,2 получаем множество допустимых значений варьируемых переменных V в виде прямоугольника (рис. 3.2).
Рис. 3.2
Если вV имеет единственный max, то функция выпукла, иначе может быть несколько решений (локальных максимумов - точки М1 и М2 на рис. 3.3), среди которых необходимо выбрать наибольшее (глобальный максимум).
Методы определения максимума здесь также делятся на аналитические и численные.
Рис. 3.3
Аналитический метод решения задачи. Аналитический метод использует необходимое условие max функции нескольких переменных:
Для того чтобы в точке функция, необходимо, чтобы(3.3), для всехi=1,2…n. Для выделения точек максимума необходимо также проверить знаки диагональных миноров матрицы вторых производных (матрицы Гессе).
В общем случае:
(3.4)
Для функции двух переменных:
(3.5)
(3.6)
где - главный определитель матрицы.
В зависимости от знака возможны три случая:
0 – экстремум отсутствует, точка перегиба,
= 0 – требуется дополнительное исследование,
0 – экстремум есть, причем в случае
0 и 0, это max, а при
0 и 0 – min.
Пример.
Определить максимум функции
;
Откуда ,
0
0 ,
откуда 0, т.е. ,- точкаmax, т.к. 0 и 0.
Численные методы решения задачи (методы многомерного поиска).
Численные методы многомерного поиска будем рассматривать на примере нахождения максимума функции двух переменных. Такие функции, как показано выше (раздел 3.1.), изображаются на плоскости в виде линий равного уровня.
Наложение автономных ограничений на переменные приводит к выделению на плоскости области допустимых решенийV в виде прямоугольника(рис. 3.4).
Метод направленного перебора.
Данный метод аналогичен методу равномерного поиска для функции одной переменной.
Делим области допустимых значений ина равные отрезки таким образом, чтобы количество отрезков по обеим осям было равно, где- величина допустимой погрешности.. Проведя перпендикуляры к осям во всех выделенных точках, получаем сетку на плоскостиX1, X2 с количеством узлов (рис. 3.4). Вычисляем значенияво всех узлах (рис. 3.4.). Сравниваем полученные значения и за решение принимаем координаты узла с наибольшим значением целевой функции.
Рис. 3.4.
Чем меньше шаг сетки, тем точнее результат, но и выше трудоемкость. На практике данный метод применяется только для вычисления глобального максимума невыпуклых функций.
Все остальные применяемые на практике методы, представляют собой итерационные многошаговые процедуры, в которых на каждом шаге расчета должно получаться большее значение целевой функции, чем на предыдущем.
Каждый метод включает в себя:
правило перехода от одного шага к другому,
правило остановки расчета.
В зависимости от правила перехода численные методы делятся на:
методы нулевого порядка, в которых правило перехода требует вычисления только самой целевой функции,
методы первого порядка (градиентные методы) в которых требуется вычисление первых частных производных целевой функции,
методы второго порядка – требуют вычисления вторых частных производных целевой функции.
Ниже будут рассмотрены только методы нулевого и первого порядков, т.к. в задачах оптимизации с возможными неточностями в исходных данных и с функциями, заданными алгоритмически, характерными для оптимизации технологических процессов, вычисление матрицы вторых производных приводит к значительным ошибкам и методы второго порядка не находят применения.