 
        
        - •1.2. Условия существования управления.
- •1.3. Оптимальность управления.
- •Лекция 2
- •2.1. Этапы принятия решений
- •2.2. Схема функционирования системы управления
- •2.3. Цели и критерии эффективности.
- •Лекция 3
- •3. 1. Виды критериев.
- •3.2. Многокритериальные системы.
- •3.3. Выбор критерия в состоянии неопределенности.
- •3.4. Выявление целей и критериев.
- •3.5. Особенности построения модели управляемой системы
- •4.1. Методология и психологические аспекты принятия решений
- •4.2. Системный анализ.
- •4.3. Таблицы решений.
- •Лекция 5. Принятие решений в различных условиях.
- •5.1.Принятие решений в разомкнутых системах
- •5.2. Управление в системах с обратной связью.
- •5.3. Условия внешней среды.
- •Принятие решений в условиях определенности
- •Принятие решения в условиях риска
- •Принятие решений в условиях неопределенности
- •Принятие решений в конфликтных ситуациях
- •Лекция 6. Принятие решений и информация
- •Основные характеристики информации.
- •Лекция 7. Минимизация функции одной переменной без ограничений
- •1.1. Постановка задачи
- •1.2. Полином произвольной степени
- •1.3. Степенная функция, умноженная на экспоненциальную функцию
- •Лекция 8. 1.4. Частный случай полинома, умноженного на экспоненциальную функцию
- •1.5. Степенная функция, умноженная на экспоненциальную функцию, зависящую от полинома второй степени
- •Минимизация функции нескольких переменных без ограничений
- •2.1. Постановка задачи
- •2.2. Детализация достаточных условий экстремума.
- •Лекция 9. 2.3. Сепарабельные функции
- •2.4. Факторизованные функции
- •2.5. Сумма квадратов переменных
- •2.6. Квадратичная форма
- •2.7. Частный случай кубической формы от двух переменных
- •Частный случай кубической формы от произвольного количества переменных
- •Частный случай полинома произвольной степени от двух переменных
- •Методы условной оптимизации
- •Задача нелинейного программирования. Метод неопределенных множителей Лагранжа
- •Глава 1. Метод неопределенного множителя Лагранжа
- •Общая постановка оптимальной задачи с одним ограничением
- •Сепарабельность целевой функции и функции – ограничения. Общий алгоритм решения
- •3. Степенные функции с одинаковыми степенями частных функций
- •2. Основная задача линейного программирования.
- •3. Геометрическая интерпретация основной задачи линейного программирования.
- •Задача линейного программирования с ограничениями-неравенствами. Переход от нее к озлп и обратно
- •5. Симплекс-метод решения задач линейного программирования Алгоритм поиска опорного и оптимального решения
- •6. Табличный метод замены базисных переменных.
- •Отыскание опорного решения основной задачи линейного программирования.
- •Стационарная транспортная задача
- •Нахождение опорного плана
- •Поиск оптимального плана, метод последовательного улучшения плана для стационарной транспортной задачи
2.4. Факторизованные функции
Определение.
Функция 
называется факторизованной, если она
представляется в следующем виде:
= 
 .
Функции 
называются частными функциями
факторизованной  функции.
.
Функции 
называются частными функциями
факторизованной  функции.
Глобальный минимум факторизованной функции достигается в точке минимума каждой из функций , в силу независимости точки глобального минимума каждой из функций , от точек глобального минимума остальных функций. Глобальный максимум факторизованной функции достигается в точке глобального максимума каждой из функций , в силу независимости точки глобального максимума каждой из функций , от точек глобального максимума остальных функций.
Это также вытекает из следующих соображений. Имеем
 =
= 
 
 
 (
= 0)
(
= 0) (
( =0),
=0),
 .
.
(1)
Пусть найдется
одно 
 ,
при котором равенство (1) выполняется
за счет
,
при котором равенство (1) выполняется
за счет
 .
Тогда все вторые производные от 
по
.
Тогда все вторые производные от 
по 
 будут равны нулю и, следовательно, все
главные миноры будут равны нулю, так
как все элементы всех столбцов в матрице
Гессе кроме столбца по
будут равны нулю и, следовательно, все
главные миноры будут равны нулю, так
как все элементы всех столбцов в матрице
Гессе кроме столбца по 
 будут равны нулю, т.е. экстремума в этом
случае не будет. Это же утверждение
будет справедливо и когда будет такое
не одно, а несколько вплоть до 
штук. Когда их будет 
,
все равно элементы одного столбца в
матрице Гессе будут равны нулю и её
определитель будет равен нулю, т.е.
экстремума в этом случае также не будет.
будут равны нулю, т.е. экстремума в этом
случае не будет. Это же утверждение
будет справедливо и когда будет такое
не одно, а несколько вплоть до 
штук. Когда их будет 
,
все равно элементы одного столбца в
матрице Гессе будут равны нулю и её
определитель будет равен нулю, т.е.
экстремума в этом случае также не будет.
 
Отсюда следует, что остается рассматривать случай, когда
= = 0, . (2)
Необходимыми и достаточными условиями того, что - точка локального минимума , являются:
1) , дифференцируема в точке ,
2) , т.е. является стационарной точкой,
3) .
Точка глобального минимума , определяется перебором точек её локального минимума.
Необходимыми и достаточными условиями того, что - точка локального максимума , являются:
1) , дифференцируема в точке ,
2) , т.е. является стационарной точкой,
3) .
Точка глобального максимума , определяется перебором точек её локального максимума.
2.5. Сумма квадратов переменных
Найдем оптимальное
решение для целевой функции 
 
 .
Имеем
.
Имеем
 .
                                   (1)
.
                                   (1)
Решением системы
(1) является стационарная точка 
 .
Определитель матрицы Гессе равен 
,
его миноры по главной диагонали равны
соответственно
.
Определитель матрицы Гессе равен 
,
его миноры по главной диагонали равны
соответственно 
 ,
,
 2,…,
.
Тогда в соответствии с п. 2.2 стационарная
точка является минимумом, если выполняются
неравенства
2,…,
.
Тогда в соответствии с п. 2.2 стационарная
точка является минимумом, если выполняются
неравенства
 ,
1,…,
,
и - максимумом, если выполняются
неравенства
,
1,…,
,
и - максимумом, если выполняются
неравенства
 ,
1,…,
.
В остальных случаях оптимальная задача
не имеет решения.
,
1,…,
.
В остальных случаях оптимальная задача
не имеет решения.
2.6. Квадратичная форма
Рассмотрим
квадратичную форму 
 +
+ 
 для нахождения ее минимума в
 для нахождения ее минимума в .
Имеем
.
Имеем
 + 
= 0, 
.
+ 
= 0, 
.
Отсюда получаем следующую систему линейных алгебраических уравнений
 = - 
,
.
= - 
,
.
Обозначим через
 определитель этой системы уравнений,
через
определитель этой системы уравнений,
через 
 -  определитель 
,
в котором вместо
-  определитель 
,
в котором вместо 
 - го столбца стоит столбец свободных
членов. Тогда
- го столбца стоит столбец свободных
членов. Тогда  
 = (
= ( ,…,
,…,
 ),
где
),
где 
 =
= 
 ,
,
является стационарной точкой. Матрица
Гессе в данном конкретном случае имеет
следующий вид
,
,
является стационарной точкой. Матрица
Гессе в данном конкретном случае имеет
следующий вид  
 .
 Является ли полученная стационарная
точка экстремумом и максимумом или
минимумом или не является точкой
экстремума определяется в соответствии
с п. 2.2.
.
 Является ли полученная стационарная
точка экстремумом и максимумом или
минимумом или не является точкой
экстремума определяется в соответствии
с п. 2.2.
