
- •Нелинейные методы и модели в экономике.
- •Глава 6. Постановки знп и основные определения…………………………..3
- •Глава 7. Задача одномерной оптимизации…………………………………….13
- •Глава 8. Графический метод решения знп…………………………………...33
- •Глава 6. Постановки задачи нелинейного программирования (знп) и основные определения.
- •6.1. Задача нелинейного программирования (знп) и ее постановки.
- •6.2. Основные определения.
- •6.3. Классификация знп.
- •6.4. Классическая оптимизация.
- •Глава 7. Методы одномерной оптимизации
- •Постановка задачи. Основные понятия
- •7.2. Поиск отрезка, содержащего точку максимума Алгоритм Свенна
- •Методы нулевого порядка.
- •Дихотомический поиск (метод деления отрезка пополам)
- •Метод золотого сечения
- •Метод дск-Пауэлла
- •7.4. Методы первого порядка.
- •Метод средней точки
- •Метод хорд (секущих)
- •Метод кубической аппроксимации
- •7.5. Методы второго порядка. Метод Ньютона-Рафсона
- •Итерация 1
- •Глава 8. Графический метод решения знп.
- •8.1. Алгоритм графического метода решения знп
- •8.2. Решение примеров.
- •Выпуклые и вогнутые функции
- •Глава 9. Выпуклый анализ
- •9.1. Определения
- •9.2. Свойства вогнутых (выпуклых) функций
- •9.3. Критерии вогнутости (выпуклости) гладких функций
- •9.4. Экстремальные свойства вогнутых (выпуклых) функций
- •9.5. Сильно вогнутые (выпуклые) функции
- •9.5.1. Определение. Примеры
- •9.5.2. Свойства сильно вогнутых (выпуклых) функций
- •9.5.3. Критерии сильной вогнутости (выпуклости)
- •9.5.4. Экстремальные свойства сильно вогнутых (выпуклых) функций
- •Глава 10. Выпуклое программирование
- •10.1. Постановка задачи
- •10.2. Функция Лагранжа. Седловая точка функции Лагранжа, условия ее существования Определение 10.1. Функция , (10.10)
- •10.3. Достаточные условия оптимальности
- •10.4. Условия регулярности выпуклого множества
- •10.5. Теорема Куна-Таккера. Общий случай
- •10.6. Теорема Куна-Таккера. Случай линейных ограничений
- •Глава 11. Квадратичное програмирование.
- •11.1. Постановка задачи квадратичного программирования (зкп)
- •11.2. Применение теории Куна-Таккера к решению зкп.
- •11.3. Решение задач.
- •Глава 12. Методы безусловной оптимизации
- •12.1. Постановка задачи
- •. Методы нулевого порядка (прямого поиска)
- •Метод Хука-Дживса
- •Алгоритм метода Хука-Дживса, использующий одномерный поиск
- •Метод покоординатного спуска
- •Первый вариант
- •Второй вариант
- •Методы первого и второго порядков
- •Градиентные методы. Метод скорейшего спуска – метод Коши
- •Метод Ньютона
- •Модифицированный метод Ньютона
- •Методы, использующие сопряженные направления
- •Определение сопряженных направлений
- •Оптимизация квадратичной функции. Конечная сходимость алгоритмов, использующих сопряженные направления
- •12.4.4. Метод Дэвидона-Флетчера-Пауэлла Метод Дэвидона-Флетчера-Пауэлла (дфп) принадлежит к классу квазиньютоновских методов, в которых направление поиска задаётся в виде
- •Алгоритм метода дфп
- •Итерация 1
- •Шаг 2. Вычислим , тогда .
- •Шаг 2.Вычислим , тогда .
- •12.4.5. Метод сопряжённых градиентов Флетчера-Ривса
- •Алгоритм метода Флетчера-Ривса
- •Глава 13. Методы условной оптимизации
- •13.1. Постановка задачи. Классификация методов
- •Общая схема методов условной оптимизации
- •Шаг 1. Выбрать ( -я итерация) – возможное направление подъёма функции в точке . Если такого направления нет, то полагаем и идем на выход. В противном случае перейти к шагу 2.
- •13.2. Методы возможных направлений
- •13.2.1. Метод Зойтендейка
- •Пример 13.2
- •Итерация 3
- •13.2.2. Метод Топкиса-Вейнотта
- •Пример 13.3
- •Итерация 1
- •Алгоритм метода Топкиса-Вейнотта
- •13.2.3. Метод Франка-Вульфа
- •Алгоритм метода Франка-Вульфа
- •Шаг 5. Находим шаг в направлении новой точки . Решение этой задачи (одномерной): .
- •Шаг 3. Так как , переходим к шагу 4.
- •Шаг 5. Решаем задачу: .
- •2.1. Постановки злп
- •3.1. Определение двойственной задачи
- •3.5. Анализ решения из и дз на основе отчетов ms Excel
- •4.1. Постановки транспортной задачи
- •4.4 Опорный план тз. Алгоритм нахождения исходного плана
- •4.5. Метод потенциалов решения транспортной задачи
- •4.6. Задача о назначениях
- •5.2. Метод ветвей и границ решения задач целочисленного программирования
- •5.3. Задача коммивояжера
13.2.1. Метод Зойтендейка
Пусть требуется найти максимальное значение вогнутой функции :
при условиях
.
(13.13)
Характерной особенностью этой задачи является то, что её система ограничений содержит только линейные неравенства.
Предположим
также для любой допустимой точки
,
что
и
,
где
и
.
Далее приводится алгоритм Зойтендейка
для случая линейных ограничений.
Алгоритм метода Зойтендейка
Начальный этап. Выбрать начальную точку , для которой
и ,
,
.
Положить .
Основной этап.
Шаг
1. Для
предполагаем, что
,
,
,
.
Шаг
2. Определить возможное направление
подъёма
,
решая следующую задачу:
(13.14)
при условиях
.
(13.15)
Шаг
3. Если
,
то
-
задача решена. В противном случае перейти
к шагу 4.
Шаг 4. Определить (шаг в направлении ), решая задачу одномерной оптимизации:
.
Шаг
5. Положить
,
заменить
на
и перейти к шагу 1.
Дадим некоторые пояснения к алгоритму.
На шаге 2 решается вспомогательная задача, являющаяся задачей линейного программирования. Конечно, надо быть уверенным в её разрешимости и, соответственно, в существовании возможного направления подъёма .
Вектор
является возможным направлением подъёма
в точке
,
если
и
.
Поскольку множество планов построенной
ЗЛП ограниченно, вспомогательная задача
всегда разрешима. А если существует
,
то
.
Причём для
:
,
следовательно,
.
Если
,
то есть возможность найти лучшую точку.
Если
,
то выбрать возможное направление подъёма
не представляется возможным.
Для
шага 4 необходимо определить величину
.
Рассмотрим неравенство:
.
Так как
,
,
то
,
.
Отсюда
и определяем
для этого неравенства.
определяется при следующих условиях:
(13.16)
где
,
.
Пример 13.2
.
Начальный
этап. Выбираем
начальную точку
,
для которой
,
,
,
.
.
Положить
.
Основной этап.
Итерация 1.
Шаг
1. Для
заданы
,
,
,
.
Шаг
2.
.
Решаем задачу:
при условиях
.
При
решении этой задачи симплекс-методом
получаем
,
.
Шаг
3. Так как
,
то переходим к шагу 4.
Шаг 4. Решаем одномерную задачу:
.
Определяем (согласно 13.16):
,
т. е. решаем задачу:
.
Очевидно,
что решением является
.
Шаг
5. Положить
.
и перейти к шагу 1.
Итерация 2
Шаг
1. Для
:
,
.
Шаг
2.
.
Решаем
задачу
при условиях:
.
Оптимальное
значение этой ЗЛП –
;
.
Шаг
3. Так как
,
переходим к шагу 4.
Шаг 4. Решаем задачу линейного поиска:
.
Определяем :
.
Таким образом, решая задачу
,
получим оптимальное значение
:
.
Шаг
5. Положить:
.
и перейти к шагу 1.
Итерация 3
Шаг
1. Для
:
,
.
Шаг
2.
.
Решаем задачу
при условиях:
.
Решение:
,
.
Шаг
3. Так как
,
задача решена и
.
На рисунке 13.6 проиллюстрирован процесс решения задачи.
Рис. 13.6.