- •Программирование численных методов в экстремальных задачах
- •Предисловие
- •Практическое занятие 1. Исследование методов одномерного поиска минимума унимодальных функций
- •1.1. Требования задания
- •1.2. Контрольные вопросы
- •1.3. Содержание отчета
- •Практическое занятие 2. Исследование методов полиномиальной интерполяции для поиска минимума целевых функций
- •2.1. Требования задания
- •2.2. Контрольные вопросы
- •2.3. Содержание отчета
- •Практическое занятие 3. Исследование методов линейного поиска
- •3.1. Требования задания
- •3.2. Контрольные вопросы
- •3.3. Содержание отчета
- •Практическое занятие 4. Исследование градиентных методов
- •4.1. Требования задания
- •4.2. Контрольные вопросы
- •4.3. Содержание отчета
- •Практическое занятие 5. Проектирование программы оптимизации
- •5.1. Требования задания
- •5.2. Контрольные вопросы
- •5.3. Содержание отчета
- •Практическое занятие 6. Исследование модификаций ньютоновских оптимизационных процессов
- •6.1. Требования задания
- •6.2. Контрольные вопросы
- •6.3. Содержание отчета
- •Практическое занятие 7. Исследование методов переменной метрики
- •7.1. Требования задания
- •7.2. Контрольные вопросы
- •7.3. Содержание отчета
- •Практическое занятие 8. Исследование методов сопряженных градиентов
- •8.1. Требования задания
- •8.2. Контрольные вопросы
- •8.3. Содержание отчета
- •Практическое занятие 9. Исследование методов безусловной оптимизации нулевого порядка
- •9.1. Требования задания
- •9.2. Контрольные вопросы
- •9.3. Содержание отчета
- •Практическое занятие 10. Исследование алгоритмов случайного поиска
- •10.1. Требования задания
- •10.2. Контрольные вопросы
- •10.3. Содержание отчета
- •Практическое занятие 11. Исследование методов нелинейного программирования
- •11.1. Требования задания
- •11.2. Контрольные вопросы
- •11.3. Содержание отчета
- •Список литературы
- •1. Метод средней точки (метод Больцано)
- •2. Метод трехточечного поиска на равных интервалах
- •3. Метод Ньютона
- •4. Метод линейной интерполяции (метод секущих)
- •5. Метод кубической интерполяции для одномерной минимизации
- •6. Метод Фибоначчи
- •7. Метод Хука–Дживса с одномерной минимизацией
- •8. Метод Зангвилла
- •9. АлгоритмLPτ-поиска
- •10. Формулы методов переменной метрики
- •11. Минимизация целевых функций в MicrosoftExcel97
- •12. Тестовые функции
- •Содержание
- •197376, С.-Петербург, ул. Проф. Попова, 5
7.3. Содержание отчета
Цель работы и требования задания.
Краткое описание метода оптимизации на основании материала лекционного курса и описание схемы пошагового выполнения вычислительного алгоритма.
Укрупненная блок-схема программы с пояснением основных ее частей.
Спецификация программы, раскрывающая смысл входных и выходных данных, основных переменных и функций.
Текст программы с детальными комментариями ведущих операторов программы.
Результаты тестирования программы на наборе целевых функций с указанием числа итераций и количества вычислений функций. Таблица, иллюстрирующая вычислительный процесс и изменение ключевых переменных.
Ответы на контрольные вопросы.
Выводы по работе.
Практическое занятие 8. Исследование методов сопряженных градиентов
8.1. Требования задания
Цель работы– изучение методов сопряженных градиентов и разработка программы, удовлетворяющей требованиям лабораторной работы 5. При разработке программы предусмотреть возможность выбора любого из одномерных методов, реализованных в лабораторных работах 1, 2 и 3.
Методы оптимизации:
М1 – метод Даниела;
М2 – метод Флетчера–Ривса;
М3 – метод Полака–Рибьера;
М4 – метод Диксона.
Варианты задания
Вариант |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
Метод |
М1 |
М2 |
М3 |
М4 |
М1 |
М2 |
М3 |
М4 |
Тестовая функция |
(22) (31) |
(21) (32) |
(30) (34) |
(21) (33) |
(30) (38) |
(22) (37) |
(21) (36) |
(30) (35) |
8.2. Контрольные вопросы
Выполнить 2 шага аналитического решения задачи Вашего варианта задания.
Являются ли направления p1= (0; 1)tиp2= (1; 0)tлинейно независимыми? Ортогональными? Сопряженными?
Дана функция y(x) =x12+x22+x32и точкаxk= (1; 2; 3)t. Определить точкуxk + 1 методом Даниела.
Используя метод сопряженных градиентов найти точку xk + 1для функцииy(x) =x12+ 2x1x2+x22иxk= (1; 1; 1)t.
Определить характер матрицы Гессе функции y(x) = (x2–x1)2+ + (1 –x1)2в точке минимумаx*= (1; 1)t. Используя матрицу Гессе найти направление, сопряженное кp= (1; 0)t.
8.3. Содержание отчета
Цель работы и требования задания.
Краткое описание метода оптимизации на основании материала лекционного курса и описание схемы пошагового выполнения вычислительного алгоритма.
Укрупненная блок-схема программы с пояснением основных ее частей.
Спецификация программы, раскрывающая смысл входных и выходных данных, основных переменных и функций.
Текст программы с детальными комментариями ведущих операторов программы.
Результаты тестирования программы на наборе целевых функций с указанием числа итераций и количества вычислений функций. Таблица, иллюстрирующая вычислительный процесс и изменение ключевых переменных.
Ответы на контрольные вопросы.
Выводы по работе.
Практическое занятие 9. Исследование методов безусловной оптимизации нулевого порядка
9.1. Требования задания
Цель работы– исследование прямых методов многомерной минимизации и разработка программы, удовлетворяющей требованиям лабораторной работы 5.
Методы оптимизации:
М1 – метода конфигураций (Хука–Дживса);
М2 – метода деформируемого многогранника (Нелдера–Мида);
М3 – непрерывного варианта метода Розенброка;
М4 – метода Пауэлла-1;
М5 – метода Пауэлла-2;
М6 – модифицированного метода Пауэлла для произвольных функций;
М7 – метода Зангвилла;
M8 – дискретного варианта метода Розенброка.
Варианты задания
Вариант |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
Метод |
М1 |
М2 |
М3 |
М4 |
М5 |
М6 |
М7 |
М8 |
Тестовая функция |
(23) (33) |
(26) (31) |
(27) (29) |
(23) (26) |
(22) (25) |
(27) (35) |
(28) (33) |
(29) (31) |