
- •Методы оптимизации. Тест
- •2.1). Что означает слово «оптимизация»? Какая функция называется целевой? Дать определение локального и глобального минимумов функции.
- •2.2). Сравнить необходимые количества вычисленных значений Nd и Nn функции f(X) при поиске ее точки минимума на отрезке длины 1 с точностью 10-5 методом деления отрезка пополам и методом перебора.
- •2.3). Сформулировать достаточные условия сходимости метода Ньютона.
- •2.4). Сформулировать необходимые и достаточные условия безусловного экстремума функции f(X) одной переменной.
- •2.5). Функции какого вида называются квадратичными функциями n переменных?
- •2.6). Какая нумерация вершин симплекса называется правильной? и 2.7). Не проходили
- •2.8). Дать определение общей задачи линейного программирования.
- •2.1). Что такое точная нижняя грань функции на множестве? Как соотносятся точная нижняя грань и минимум функции на множестве? Привести примеры.
- •2.3). Сформулировать достаточное условие монотонной сходимости метода Ньютона. Скорость сходимости метода.
- •2.5). Каким свойством обладает квадратичная функция с положительно определенной матрицей a?
- •2.8). Описать алгоритм сведения общей задачи к задаче в канонической форме линейного программирования. Привести пример.
- •2.1). Сформулировать условие Липшица для функции f(X) на отрезке [a;b]. Всякая ли функция f(X), удовлетворяющая условию Липшица на отрезке [a;b], унимодальна на нем?
- •2.2). Доказать, что погрешность определения точки минимума X* функции f(X) методом перебора не превосходит величины .
- •2.3). Сформулировать оценку погрешности определения минимума f* многомодальной функции методом перебора.
- •2.4). Классифицировать квадратичную форму и матрицу Гессе .
- •2.8). Какие задачи линейного программирования можно решить графически?
- •2.1). Сформулировать свойства функций, удовлетворяющих на отрезке [a;b] условию Липшица.
- •2.3). Сформулировать достаточные условия сходимости метода Ньютона.
- •2.4). Классифицировать квадратичную форму и матрицу Гессе .
- •2.5). Что такое скорость сходимости минимизирующей последовательности? Какие скорости сходимости вы знаете?
- •2.8). Дать определение общей задачи линейного программирования.
- •2.1). Какая функция называется унимодальной на отрезке [a,b]? Сформулировать свойства унимодальных функций.
- •2.2). Зависит ли точность определения X*, которую гарантируют методы дихотомии и золотого сечения в результате n вычислений функции f(X), от конкретной функции f(X)?
- •2.3). Сформулировать достаточное условие монотонной сходимости метода Ньютона. Скорость сходимости метода.
- •2 .4). Вычислить и нарисовать градиенты, а также вычислить матрицу Гессе функции в точках .
- •2.5). Когда говорят, что в итерационном процессе производится исчерпывающий спуск?
- •2.8). Дать определение канонической задачи линейного программирования.
- •2.1). Какая функция называется выпуклой на отрезке [a,b]? Каков геометрический смысл выпуклости функции? Сформулировать два необходимых и достаточных дифференциальных условий выпуклости функций.
- •2.2). Повысится ли эффективность метода поразрядного поиска, если шаг поиска ∆ последовательно уменьшать не в 4, а в какое-либо другое число раз? Ответ обосновать.
- •2.3). Модификации метода Ньютона (метод Ньютона-Рафсона, метод Марквардта). Достоинства и недостатки методов. Скорость сходимости.
- •2.4). Записать приращение функции f(X)∈c2(En) в точке X через градиент и матрицу Гессе.
- •2.5). Какие направления дифференцируемой в точке xk функции f(X) называются направлениями убывания? Каков геометрический смысл направления убывания?
- •2.8). Описать алгоритм графического решения задачи линейного программирования.
- •2.1). В чем заключается классический метод минимизации функций? Для каких целей разработан классический метод минимизации функций? Какова практическая ограниченность применимости этого метода?
- •2.2). Зависит ли точность определения X*, которую получают методом парабол в результате n вычислений функции f(X), от конкретной функции f(X)?
- •2.3). Увеличение используемого значения константы Липшица l при реализации метода ломаных приводит к замедлению сходимости метода. Объяснить этот факт с помощью геометрической иллюстрации.
- •2.4). Что такое градиент и антиградиент функции многих переменных и каков их геометрический смысл? Что такое матрица Гессе функции многих переменных?
- •2.5). Когда говорят, что сильно выпуклая функция f(X) имеет “овражный характер”? Какие задачи минимизации называются хорошо обусловленными, а какие − плохо обусловленными?
- •2.8). Какая задача оптимизации называется задачей линейного программирования?
2.4). Классифицировать квадратичную форму и матрицу Гессе .
1. Выпишем
квадратичную форму
– квадратичная форма положительно
определена → H(x)>0
2. Выпишем квадратичную форму
– квадратичная форма положительно
определена → H(x)>0
2.5). Какая последовательность {xk}, k=0,1,2… называется минимизирующей? Привести пример минимизирующей последовательности, не сходящейся к точке минимума.
Последовательность {xk}, удовлетворяющая требованию: (U*-мн-во точек глобального минимума)
, называется минимизирующей
для функции f(x).
Пример:
Для функции
,
последовательность xk=k
является минимизирующей, но не сходится
к единственной точке минимума x*=0.
Напротив, минимизирующая последовательность
xk=1/k
сходится к точке минимума x*=0.
2.8). Какие задачи линейного программирования можно решить графически?
Л.п. – задача нахождения экстремума функций на множестве линейных уравнений и неравенств.
Общей (основной) задачей линейного программирования называется задача, которая состоит в определении максимального (минимального) значения функции (целевая функция) при выполнении условий: - ограничения данной задачи.
Вектор X=(x1, x2,…,xn)T, удовлетворяющий ограничениям задачи, называется допустимым решением, или планом. План X*=(x1*, x2*,…,xn*)T, при котором целевая функция принимает свое максимальное (минимальное) значение, называется оптимальным.
Непустое множество планов общей (основной) задачи линейного программирования называется многогранником решений. Если основная задача линейного программирования имеет оптимальный план, то максимальное значение целевая функция принимает в одной из вершин многогранника решений.
Вариант 5
2.1). Сформулировать свойства функций, удовлетворяющих на отрезке [a;b] условию Липшица.
Функция f(x) удовлетворяет на отрезке [a,b] условию Липшица, если существует такое число L>0 (константа Липшица), что |f(x’)-f(x”)|≤L|x’-x”| для всех x’ и x”, принадлежащих [a,b].
Из условия Липшица следует непрерывность f(x) на отрезке [a,b]. Поэтому, согласно теореме Вейерштрасса, функция f(x), удовлетворяющая на отрезке [a,b] условию Липшица, имеет на нем хотя бы одну точку минимума, хотя не является унимодальной.
Если функция
f(x) имеет
на отрезке [a,b]
непрерывную производную, то она
удовлетворяет на этом отрезке условию
Липшица с константой
.
2.2). Требуется найти точку минимума унимодальной функции на отрезке длины 1 с точностью ε=0,02. Имеется возможность измерить не более 10 значений f(x). Какой из прямых методов минимизации можно использовать для этого?
Число
итераций, необходимое для достижения
заданной точности ε на отрезке [a;b]
в методе золотого сечения определяется
формулой
.
Количество вычислений функции N=n+1=8.
Ответ: можно использовать метод золотого
сечения.
2.3). Сформулировать достаточные условия сходимости метода Ньютона.
f(x) − трижды непрерывно дифференцируемая выпуклая функция, разложим f(x) в ряд Тейлора в окрестности точки xk,, x*-искомый корень:
.
Разделим на f”(xk): , отсюда следует оценка: