- •60Путей сообщения (миит)
- •Математические модели и методы в инженерных расчетах
- •Введение
- •1.Математические модели
- •1.1Модель процесса проектирования
- •1.2Теория вероятностей
- •1.3 Математическая статистика
- •1.4Сортировка
- •1.5Интерполяция табличных зависимостей
- •1.6Аппроксимация.
- •1.6.1Метод наименьших квадратов для многочленов
- •1.6.2 Полиномиальная аппроксимация
- •1.6.3Линейная аппроксимация
- •1.7Сглаживание данных
- •1.8Предсказание (экстраполяция функции)
- •1.9 Рис. 1.14 Экстраполяция функции. Численное дифференцирование
- •1.10Вычисление определенного интеграла
- •1.11Численное решение дифференциальных уравнений
- •1.12Моделирование рельефа местности
- •1.13 Рис. 1.19 Цифровая модель рельефа и продольный профиль земли по заданному направлению Моделирование продольного профиля и плана при реконструкции железных дорог
- •2.Математические методы
- •2.1Реализация численной модели на эвм
- •2.2Целевая функция. Ограничения
- •2.3Оптимизация без ограничений
- •2.3.1Прямой одномерный поиск
- •2.4Прямой многомерный поиск
- •2.4.1Градиентные методы
- •2.5 Рис. 2.35 Градиентный метод. Оптимизация с ограничениями.
- •2.6Линейное программирование
- •2.7Нелинейное программирование
- •2.8Графы
- •2.9Метод динамического программирования.
- •2.10Поиск кратчайшего пути в графе
- •2.11Экономические аспекты автоматизированного проектирования.
- •2.12Проблемы программных реализаций.
- •Программного обеспечения.
- •1. Математические модели 4
- •2. Математические методы 41
- •Екатерина Александровна Рыжик
2.3Оптимизация без ограничений
2.3.1Прямой одномерный поиск
Если уравнение не решается аналитически, например, функция F неизвестна, для его решения используются численные (прямые) методы.
С помощью прямых методов минимум целевой функции ищется непосредственно на некотором интервале a<x<b, в котором, как предполагается, лежит минимум, вычисляя значения функции в выбранных точках данного интервала. Иногда это единственно возможная стратегия поиска.
Например, стоимость проведения технологического процесса может зависеть от некоторого фактора T. Известно, что стоимость реализации процесса (себестоимость продукции) является функцией от T, хотя явный вид этой функции неизвестен.
Однако, можно поставить эксперимент и провести процесс при различных Т, найти его стоимость для всех рассмотренных значений Т и надеяться определить такое значение Т, при котором стоимость процесса минимальна.
Задачей численных математических методов является достижение поставленной цели наиболее эффективным способом - при минимальном числе экспериментов.
Рис. 2.29
Расчетная схема
Предположим, что имеется интервал неопределенности (х1,х3) и известно значение функции f(x2) внутри этого интервала (рис. 2.3). Если можно вычислить функцию всего один раз в точке х4, то где следует поместить точку х4, для того чтобы получить наименьший возможный интервал неопределенности?
Положим х2-х1=L и х3-х2=R, причем L>R и эти значения будут фиксированы, если известны х1,х2 и х3.
Если х* находится в интервале (х1,х2), то:
если f(x4)<f(x2), то новым интервалом неопределенности будет (х1,х2) длиной x2-x1=L;
если f(x4)>f(x2), то новым интервалом неопределенности будет (х4,х3) длиной x3-x4=D.
Поскольку неизвестно, какая из этих ситуаций будет иметь место, выберем х4 таким образом, чтобы минимизировать наибольшую из длин x3-x4 и x2-x1. Достигнуть этого можно, сделав длины L и D равными, то есть, поместив х4 внутри интервала (x1,x2) симметрично относительно точки х2, лежащей внутри интервала (x1,x3).
Любое другое положение точки х4, может привести к тому, что полученный интервал D будет больше L. Помещая х4 симметрично относительно х2, мы ничем не рискуем в любом случае.
Если окажется, что можно выполнить еще одно вычисление функции, то следует применить описанную процедуру к интервалу (х1,х2), в котором уже есть значение функции, вычисленное в точке х4, или к интервалу (х4,х1), в котором уже есть значение функции вычисленное в точке х2.
Следовательно, стратегия поиска ясна с самого начала. Нужно поместить следующую точку внутри интервала неопределенности симметрично относительно уже находящейся там точки.
Для организации поиска используется последовательность Фибоначчи: F0=1, F1=1 и Fk=Fk-1+Fk-2 для k=2,3…,m.
Если начальный интервал (а, b) имеет длину L0=ba и требуется получить результат с точностью (интервал неопределенности 2), необходимо выполнить n+1 шаг, причем n определяется из условия: и это наилучший результат (число шагов минимально).
Задача поиска может быть поставлена в двух вариантах:
при заданном числе шагов найти оптимальное решение с максимальной точностью;
при заданной точности найти оптимальное решение за минимальное число шагов.
Пример: 1) начальный интервал ( а, b ) имеет длину L1=bа, за четыре шага найти решение с максимальной точностью (рис. 2.4).
Рис. 2.30
L4
- окончательный интервал неопределенности
Поиск методом «золотого сечения». Не всегда удается определить, сколько раз придется вычислять функцию. В методе Фибоначчи это нужно для определения первого шага, то есть положения начальной точки поиска.
Метод «золотого сечения» почти столь же эффективен как метод Фибоначчи, однако при этом не требуется знать n - количество вычислений функции, определяемое заранее.
Функция последовательно вычисляется в точках, делящих интервал неопределенности в соотношении, определяемом как «золотое сечение»: (рис. 2.5).
Рис. 2.31
«Золотое сечение»
Рис. 2.32
Поиск минимума функции
Случайный поиск - метод Монте-Карло
При случайном поиске значения функции определяются последовательно для x равномерно распределенных на начальном интервале (a,b).
Для получения оптимального решения с вероятностью р необходимое число проб равно , где - выраженная в долях от начального интервала поиска длина отрезка, центром которого является оптимальное решение.
При a = 0, b = 10 м, p = 0.99, точности = 0.005 м: .
Для одноэкстремальной задачи с аналогичными характеристиками, при использовании метода Фибоначчи - N=17.
Метод Монте-Карло - простейший из методов случайного поиска.
Главным достоинством этих методов является гарантия нахождения глобального минимума многоэкстремальной (в общем случае, любой) целевой функции, которую не может обеспечить ни один из других методов. Их главным недостатком является большие затраты времени на расчет.