
- •1. Предметная классификация задач математического программирования.
- •2. Состав раздела.
- •2.1. Задачи линейного программирования.
- •2.2. Задачи целочисленного программирования.
- •2.3. Задача поиска минимума функции одной переменной на отрезке.
- •2.4. Задача поиска минимума функции многих переменных по заданному направлению или на заданном отрезке.
- •2.5. Задача поиска минимума функции многих переменных на всем пространстве.
- •2.5.1. Подпрограммы, использующие только значения функции.
- •2.5.2. Подпрограммы, использующие значения функции и градиента.
- •2.6. Задача поиска минимума функции многих переменных на многомерном параллелепипеде.
- •2.6.1. Подпрограммы, использующие только значения функции.
- •2.6.2. Подпрограммы, использующие значения функции и градиента.
- •2.7. Задача поиска минимума квадратичной функции многих переменных.
- •6. Задачи целочисленного программирования
- •7. Поиск минимума функции одной переменной
- •8. Поиск минимума функции многих переменных на заданном отрезке или направлении
- •9. Задача поиска минимума функции многих переменных на всем пространстве
- •10. Задача поиска минимума функции многих переменных на многомерном параллелепипеде
- •11. Задача поиска минимума квадратичной функции многих переменных
- •12. Задача поиска минимума функции многих переменных при линейных ограничениях общего вида
- •13. Задача поиска минимума функции многих переменных при наличии ограничений общего вида
2.7. Задача поиска минимума квадратичной функции многих переменных.
MNT1R |
безусловная минимизация методом M - покоординатного случайного поиска |
89.2.12 |
MNP1R |
минимизация при линейных ограничениях методом покоординатного спуска |
89.3.10 |
MN11R |
минимизация при двусторонних ограничениях на переменные методом покоординатного спуска |
89.3.11 |
2.8. Задача поиска минимума функции многих переменных при наличии линейных ограничений общего вида.
MNR5R |
метод условного градиента |
89.3.9 |
2.9. Задача поиска минимума функции многих переменных при наличии ограничений общего вида.
MNI1R MNI1D |
метод штрафных функций |
89.3.3 |
MNBBR |
метод скользящего допуска |
89.3.12 |
3. Дерево выбора подпрограмм для решения задач целочисленного и линейного программирования.
4. Дерево выбора подпрограмм для решения задач нелинейного программирования.
5. Подпрограммы, предназначенные для решения задач линейного программирования
При выборе той или иной подпрограммы симплекс - метода следует учитывать следующие факторы:
1. |
размерность матрицы ограничений; |
2. |
количество ненулевых элементов в матрице ограничений; |
3. |
наличие двусторонних ограничений на переменные; |
4. |
требуемая точность вычислений. |
Для задач не слишком большой размерности (количество ограничений не более 50, количество переменных не более 200, количество ненулевых элементов в матрице ограничений не более 5000) рекомендуется использовать подпрограммы ML01R, ML02R, ML03R, ML04R. При этом ML01R и ML04R предназначены для задач линейного программирования с большим (не менее 50%) количеством ненулевых элементов в матрице условий.
ML04R отличается от ML01R тем, что удобнее для задач, имеющих верхние ограничения на переменные. Подпрограммы ML02R и ML03R предполагают, что матрица условий сильно разрежена (более 50% нулевых элементов) и поэтому требуют компактного задания входной информации. ML03R в отличие от ML02R предполагает наличие верхних ограничений на переменные.
Подпрограмма ML05R вообще не требует хранения матрицы ограничений. Достаточно иметь подпрограмму, генерирующую столбец матрицы по его номеру. Подпрограмма ML08R решает задачу линейного программирования с повышенной точностью, т.к. на каждой итерации симплекс-метода базисная матрица преобразуется в произведение двух треугольных, после чего решаются две системы уравнений.
Подпрограмма MLOGR предназначена для решения больших задач линейного программирования (m 50, n 100) с разреженными матрицами условий. В ней используется мультипликативный вариант модифицированного симплекс - метода с пересчетами. Она, кроме того, алгоритмически учитывает верхние ограничения на переменные.