
- •Раздел II. Методы оптимизации
- •Тема1.
- •Задачи
- •Модели задач выбора
- ••Критерии вышеприведенных примеров:
- •Локальный минимум
- •Рельеф функции f (x1, x2 )
- •Линии уровня скалярной функции
- •Типы рельефов
- •Общая характеристика методов многомерной оптимизации
- •Спуск по выбранному направлению
- •Задача min (z) более проста и ее решение находится одним из методов нахождения
- •Все многообразие методов минимизации функции n переменных определяется множеством способов выбора направлений и
- •Классификация методов многомерной оптимизации
- •МЕТОДЫ НАХОЖДЕНИЯ МИНИМУМА ФУНКЦИИ ОДНОЙ ПЕРЕМЕННОЙ
- •Метод последовательного перебора (MPP)
- •Метод последовательного перебора (MPP)
- •Метод последовательного перебора
- •Метод последовательного перебора
- •Метод квадратичной параболы (MP2)
- ••Вблизи точки x0 выбираются три точки x1, x2, x3. Вычисляются значения y1, y2,
- •Конец
Раздел II. Методы оптимизации
06/25/19 |
1 |
Тема1.
Основные понятия и классификация методов многомерной оптимизации
Постановка задачиРельеф функции
Классификация методов многомерной оптимизации
Методы нахождения минимума функции одной переменной
06/25/19 |
2 |
Задачи
Главной целью большинства выполняемых на компьютере расчетов является принятие оптимального в конкретной ситуации решения или, что тоже самое, сделать наилучший выбор из множества допустимых вариантов:
сколько и куда вложить денег, чтобы получить наибольшую прибыль
по какой дороге поехать, чтобы сэкономить бензин, время и при этом обеспечить безопасность
как выбрать параметры прибора, что бы при его минимальной стоимости изготовления достигался максимум КПД.
06/25/19 |
3 |
Модели задач выбора
В каждом случае при решении задачи выбора требуется построить математическую модель, описывающую конкретную ситуацию
Формулировка модели содержитr некоторое количество параметров x x1,..., xn
значение которых определяет конкретный вариант
Ценность каждого варианта определяется числом, которое называется критерием.
Если удается сопоставить каждому варианту
определенное значение критерия то получаем целевую функцию f (x) f (x1,...xn )
06/25/19 |
4 |
•Критерии вышеприведенных примеров:
•f1(x) - величина прибыли при вложениях x1..xn
•f2 (x) - длина дороги через пункты x1..xk
• |
f3(x) - величина КПД при значениях x1..xn |
|
• |
В результате, задача принятия оптимального решения |
|
|
приводит к нахождению оптимального (максимального |
|
|
или минимального) значения |
f (x) |
• |
Следует отметить, что нахождение максимума f (x) |
|
• |
эквивалентно нахождению минимума f (x) |
|
• |
поэтому стандартные программы разрабатываются, как |
|
|
правило, для нахождения |
min f (x) |
|
|
06/25/19 |
5 |
|
Постановка задачи о локальном |
|
|
минимуме |
|
• |
Пусть в Евклидовом пространстве задана функция |
|
|
f (x) |
|
• |
Говорят, что f (x) имеет локальный минимум в точке |
|
• |
x * |
|
если существует некоторая -окрестность точки |
x * , |
|
|
в которой выполняется |
|
f (x*) f (x)
x x *
• Будем полагать, что непрерывная дважды
f ( x) .
дифференцируемая функция
06/25/19 |
6 |

Локальный минимум
f
x*- |
x |
x*+ |
|
|
* |
|
x |
06/25/19 |
7 |

Рельеф функции f (x1, x2 )
06/25/19 |
8 |

Линии уровня скалярной функции
(x,y)=0.75x2+y2
06/25/19 |
9 |

Типы рельефов
котлованный (а)
овражный (б.в),
неупорядоченный (г)
06/25/19 |
10 |