
- •11. Поиск экстремума функции нескольких переменных. Метод Хука-Дживса: стратегия поиска и алгоритм.
- •12. Поиск экстремума функции нескольких переменных. Адаптивный метод случайного поиска: стратегия поиска и алгоритм
- •13. Поиск экстремума функции нескольких переменных. Метод случайного поиска с возвратом при неудачном шаге: стратегия поиска и алгоритм.
- •14. Поиск экстремума функции нескольких переменных. Метод наилучшей пробы: стратегия поиска и алгоритм.
- •15.Понятие градиента функции
- •17. Методы первого порядка: метод градиентного спуска.
15.Понятие градиента функции
16. Достаточные условия существования безусловного экстремума
17. Методы первого порядка: метод градиентного спуска.
Стратегия
поиска. Стратегия
решения задачи состоит в построении
последовательности точек
,
k=0, 1, 2, ... таких, что
,
k=0, 1, 2, .... Точки последовательности
вычисляются
по правилу:
В
качестве начала итераций выбирается
произвольная точка
.Величина
шага
задается
пользователем и остается постоянной
до тех пор, пока функция убывает в точках
последовательности, т.е. до тех пор, пока
выполняется соотношение
.
Если это условие не выполняется, то
производится коррекция длины шага,
например
,
и опять проверяется выполнение
неравенства. Процесс завершается в
точке
,
для которой выполняется условие
где
где
заданное
малое число.
Для случая функции
двух переменных градиентный метод имеет
простую геометрическую интерпретацию:
на каждом шаге мы сдвигаемся по
вектору антиградиента,
"уменьшенному в
раз".
Алгоритм
метода.
Начальный
этап
Задать
,
.
Найти градиент
функции в
произвольной точке
Положить
k=0.
Основной этап
Шаг
1. Вычислить
Шаг
2. Проверить
выполнение критерия останова
а)
если критерий выполнен, расчет
окончен,
б)
если критерий не выполнен, то перейти
к шагу 3.
Шаг
3. Задать
величину шага
Шаг
4. Вычислить
Шаг
5. Проверить
выполнение условия
а)
если условие выполнено, то положить k=
k +1 и перейти к шагу 1.
б) если условие
не выполнено, то положить
и
перейти к шагу 4.
18. Основные понятия, связанные с задачами линейного программирования
19. Анализ решения оптимизационных задач линейного программирования