
- •Некрасова м.Г. - Методы оптимизации Оглавление
- •Глава 1. Введение в методы оптимизации
- •Вопросы к главе 1
- •Глава 2. Основы теории оптимизации
- •2.1. Параметры плана
- •2.2. Целевая функция (план)
- •Вопросы к главе 2
- •Глава 3. Функция одной переменной
- •3.1. Определение функции одной переменной и её свойства
- •3.2. Исследование функций в экономике. Нахождение максимума прибыли
- •3.3. Определение глобального экстремума
- •3.4. Выпуклость, вогнутость функции
- •3.4. Критерий оптимальности
- •Замечание.
- •3.6. Идентификация оптимумов
- •Вопросы к главе 3
- •Глава 4. Одномерная оптимизация
- •4.1. Методы исключения интервалов
- •4.1.1. Метод сканирования
- •4.1.2. Метод деления отрезка пополам
- •4.1.2. Метод золотого сечения
- •4.1.2. Сравнительная характеристика методов исключения интервалов
- •4.2. Полиномиальная аппроксимация и методы точечного оценивания
- •4.2.1. Метод параболической аппроксимации
- •4.2.2. Метод Пауэлла
- •4.3. Сравнение методов одномерного поиска
- •Метод Пауэлла
- •Глава 5. Функции многих переменных
- •5.1. Функции многих переменных, их обозначение и область определения
- •5.2. Некоторые многомерные функции, используемые в экономике
- •5.3. Частные производные функции многих переменных
- •5.3. Экономический смысл частных производных
- •5.3. Частные производные высших порядков
- •5.6. Свойства функций нескольких переменных
- •5.7. Производная по направлению. Градиент. Линии уровня функции
- •5.8. Экстремум функции многих переменных
- •Вопросы к главе 5
- •Глава 6. Многомерная безусловная градиентная оптимизация
- •6.1. Концепция методов
- •6.2. Метод градиентного спуска
- •6.3. Метод наискорейшего спуска
- •Вопросы к главе 6
- •Глава 7. Критерии оптимальности в задачах с ограничениями
- •7.1. Задачи с ограничениями в виде равенств
- •7.2. Множители Лагранжа
- •7.3. Экономическая интерпретация множителей Лагранжа
- •7.4. Условия Куна - Таккера
- •7.4.1. Условия Куна – Таккера и задача Куна - Таккера
- •7.5. Теоремы Куна - Таккера
- •7.6. Условия существования седловой точки
- •Теорема 4. Необходимые условия оптимальности
- •Вопросы к главе 7
- •Глава 8. Модели динамического программирования
- •8.1. Предмет динамического программирования
- •8.2. Постановка задачи динамического программирования
- •8.3. Принцип оптимальности и математическое описание динамического процесса управления
- •8.4. Общая схема применения метода динамического программирования
- •8.5. Двумерная модель распределения ресурсов
- •8.6. Дискретная динамическая модель оптимального распределения ресурсов
- •2 Этап. Безусловная оптимизация.
- •8.7. Выбор оптимальной стратегии обновления оборудования
- •8.8. Выбор оптимального маршрута перевозки грузов
- •2 Этап. Безусловная оптимизация.
- •8.9. Построение оптимальной последовательности операций в коммерческой деятельности
- •1 Этап. Условная оптимизация.
- •Вопросы к главе 8
- •Пример выполнения задачи 1
- •Пример выполнения задачи 4
- •Пример выполнения задачи 5
- •Расчетно-графическое задание 2
- •Пример выполнения задачи 1
- •Пример выполнения задачи 2
- •Пример выполнения задачи 3
- •Пример выполнения задачи 4
- •1 Этап. Условная оптимизация.
- •2 Этап. Безусловная оптимизация.
- •2 Этап. Безусловная оптимизация.
4.3. Сравнение методов одномерного поиска
Наилучшими критериями сравнения пяти методов поиска, описанных выше, являются их эффективность и универсальность. Под эффективностью алгоритма обычно понимают число вычислений функции, необходимое для достижения требуемого сужения интервала неопределенности. Универсальность алгоритма означает, что его можно легко применить для решения самых разнообразных задач. С точки зрения универсальности малоэффективный метод деления отрезка пополам или метод сканирования имеет, по крайней мере, одно преимущество – его можно с успехом применять и для неунимодальных функций, если они достаточно гладкие. На примерах видно, что методы, использующие квадратичную аппроксимацию, дают более быструю сходимость, чем методы исключения интервалов. Большим достоинством этих методов является то, что при оптимизации функции не обязательно знать отрезок, содержащий оптимум.
Нередко заранее известно, является ли рассматриваемая целевая функция унимодальной. В таких случаях следует воспользоваться несколькими разными алгоритмами и посмотреть, дают ли они все один и тот же оптимум. Отсюда следует один важный вывод, который следует иметь в виду, решая задачи оптимизации: не существует универсального алгоритма, который позволял бы решать любые задачи. Решая сложные задачи оптимизации, следует пользоваться разными методами, так как это позволяет увеличить долю удачных решений.
Вопросы к главе 4
Метод сканирования
1. Экстремум каких функций можно найти методом сканирования?
2. Основное достоинство метода сканирования.
3. Способ «размещения» точек вычисления критерия оптимальности на оси х.
4. Каким образом повысить точность нахождения решения?
5. Условие отыскания оптимального решения.
Метод деления пополам
1. Для каких функций пригоден метод половинного деления?
2. Каково основное достоинство метода половинного деления?
3. Каким образом повысить точность нахождения решения х*?
4. Условие отыскания оптимального решения.
5. Всегда ли метод гарантированно дает решение?
6. Каким образом определяется следующий отрезок, на котором находится экстремум?
Метод золотого сечения
1. Всегда ли метод гарантированно дает решение?
2. Как влияет вид функции на процесс нахождения решения?
3. Каким образом определяется следующий отрезок, на котором находится экстремум?
4. Основное достоинство метода золотого сечения.
1. Каким образом повысить точность нахождения решения?
2. Что делится по правилу золотого сечения?
3. Сколько раз нужно вычислить значение функции на каждом шаге?
Метод параболической аппроксимации
1. Экстремум каких функций можно найти методом параболической аппроксимации?
2. Основное достоинство метода параболической аппроксимации.
3. Условие окончания поиска.
4. Каким образом находится аппроксимирующая парабола?
5. Каким образом повысить точность нахождения решения?
6. Всегда ли метод гарантированно дает решение?
7. Возможно ли нахождение решения задачи оптимизации за один шаг?
8. Как влияет вид функции на процесс нахождения решения?