- •Методи оптимізації
- •1. Задача лінійного програмування. Її властивості
- •Властивості допустимої області злп
- •Властивості розв’язків злп
- •2. Критерій оптимальності базисного розв’язку злп
- •3. Двоїсті задачі лінійного програмування. Теореми двоїстості.
- •Іі Теорема двоїстості (двоїстий критерій оптимальності)
- •4. Задача опуклого програмування. Теорема Куна-Такера.
- •5. Метод найшвидшого спуску.
- •6. Оптимальні чисті стратегії у матричній грі. Теорема про мінімакс.
5. Метод найшвидшого спуску.
Нехай є деяка точка xs. Як перейти до нової точки xs+1 так, щоб при розв’зані задачі
,
виконувалась нерівність ?
Нехай , де d=(d1,...dn) задає напрям, в якому зміщується точка хs, а число >0 визначає крок зміщення в напрямку d. Якщо f(xs+1)=f(xs+d)<f(xs) при деякому >0, то напрямок d назвемо підходящим (зрозуміло, для задачі мінімізації).
Оскільки f(x)C1, то за формулою Тейлора маємо
, де , і, значить, напрямок d-підходящий, якщо . Оскільки f(x)C1, то - неперервна функція від . Звідсі випливає , що при достатньо малому ввиду близкості та xs, виконується також співвідношення (1).
Таким чином показали що при переході від точки xs до точки xs+1=xs+d, >0, напрямок d- підходящий (f(xs+1)<f(xs)), якщо при достатньо малих виконується співвідношення (1).
Градієнт являє собою вектор нормалі до поверхні рівня і його напрямок характеризує зростання функції. Крім градієнту f(x) розглянемо антиградієнт -f(x). Якщо вибрати в якості d напрямок, що складає гострий кут з антиградієнтом -f(x), то напрямок d- підходящий ( при переході від точки xs до точки xs+1 при достатньо малому >0 значення функції f(x) зменшиться). Дійсно, в цьому випадку виконується -Tf(xs)d>0 або Tf(xs)d<0. Зокрема, якщо вибрати d=-f(xs), то і швидкість зменшення функції f(x) (при нескінченно малому ) в напрямку d=-f(xs) (антиградієнта) максимальна.
Якщо в якості підходящого напрямку d при розв’язані задачі мінімізації функції f(x) використовується антиградієнт (при максимізації - градієнт), то відповідний метод носить назву градієнтного. В градієнтних методах мінімізації функції f(x) початкову точку x0 вибирають довільну, а потім будують послідовні наближення за правилом
(2)
Такий перехід від точки xs до точки xs+1 зменшує значення функції f(x), якщо s достатньо мале. Розглянемо вибір кроку s на кожній ітерації градієнтного методу найшвидшого спуску. В цьому методі величина кроку s в ітераційній процедурі (2) вибирається за правилом:
При фіксованому s ми вимушені зупинятися в точці xs+1на кожній ітерації, хоча напрямок -f(xs) ще веде до зменшення цільової функції. В методі найшвидшого спуску рух після точки xs+1 в напрямку -f(xs) вже не приведе до зменшення цільової функції.
Метод найшвидшого спуску обгрунтовується наступною теоремою.
Т. Нехай
-
ф-ція f(x) (хєЕn) непер-но диф-на (f(x)C1)
-
мінімум f(x) існує (minf(x)>-)
-
множина R(x0)={x:f(x)f(x0)}- обмежана.
Тоді:
а) якщо метод найшвидшого спуску закінчується за скінченне число ітерацій N,то отримаємо
;
б) якщо метод найшвидшого спуску не закін-ся за скінченне число ітерацій,то послідовність {f(xs)} збігається і для кожної граничної точки послідовності {xs} виконується .
6. Оптимальні чисті стратегії у матричній грі. Теорема про мінімакс.
Матричну гру визначимо наступними правилами. Грають два гравці I1 та I2. Перший з них вибирає число i, , другий - число j, . Вибір гравцями чисел відбувається одночасно і незалежно один від одного. Перший гравець платить другому суму cij, що визначається умовами конкретної гри (якщо cij>0, то 1-й гравець платить другому, якщо cij<0, то навпаки, 2-й - 1-му). Величини cij відомі кожному з гравців. Потрібно вказати найкращий вибір для кожного гравця.
Розглянемо матрицю
і назвемо її платіжною матрицею чи матрицею виграшів 2-го гравця. Відповідно, вибір числа i 1-м гравцем можна вважати за вибір i-го рядка матриці С, а вибір числа j 2-м гравцем - за вибір j-го стовпчика матриці С.
Назвемо змішаною стратегією гравця I1 вектор-рядок , , а змішаною стратегією гравця I2 - вектор-стовпчик ,. Величини трактуються як ймовірності, з якими гравці I1 та I2 вибирають відповідно i-й рядок та j-й стовбчик матриці С.
Якщо для деякої стратегії виконується , а інші , то ця стратегія називається і-ю чистою стратегією гравця I1 . Аналогічно визначається j-та чиста стратегія гравця I2.
Роглянемо матричну гру двох осіб з платіжною матрицею , з точки зору гравця I2. Він отримує від 1-го гравця що найменше . Так як другий гравець хоче зробити виграш максимальним і може вибрати стовбчик матриці С довільно, він обирає j таким, яке максимізує . При цьому гарантований виграш 2-го гравця (нижня ціна гри) складає
Аналогічним чином можна розглянути цю ж гру з точки зору гравця I1. При цьому 2-й гравець отримає що найбільше
Величина є верхньою ціною гри.
Якщо
1) або (1)
якщо існують такі числа i*, j*, що в співвідношенні (1) виконується , то вони називаються оптимальними рішеннями гравців I1 та I2 відповідно, то v - ціна гри, а сама гра допускає рішення в чистих стратегіях.
Вектори
називають оптимальними чистими стратегіями гравців I1 та I2 відповідно.
Теорема. Матрична гра двох осіб з платіжною матрицею , розв’язується в чистих стратегіях (має місце співвідношення (1)) тоді і тільки тоді, коли матриця С має сідлову точку. При цьому, якщо (i*,j*) - сідлова точка С, то ціна гри .
Нагадаємо, що (i*,j*) - сідлова точка матриці ,, якщо для всіх вказаних і та j
Теорема про мінімакс. Довільна матрична гра має розв’язок в змішаних стратегіях.