- •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
9.2. Контрольные вопросы
Построить систему сопряженных направлений методом Пауэлла для функции трех переменных.
Как реализуется свойство параллельного подпространства в методах Пауэлла-1 и Пауэлла-2?
Какие модификации реализованы в методе Пауэлла для произвольных функций?
Для функции y(x) = 3x12+ 5x22привести 2 итерации поиска Хука–Дживса. Принятьx1= (2; 1)t,h= (0.5; 0.5)t.
Дана функция y(x) =x12+ 2x22+x1x2+x1, начальная точкаx1= (0; 0)t. Построить систему взаимно-ортогональных направлений методом Розенброка.
Перечислить критерии окончания поиска, используемые в методах нулевого порядка.
Сравнить методы Зангвилла и Пауэлла.
9.3. Содержание отчета
Цель работы и требования задания.
Краткое описание метода оптимизации на основании материала лекционного курса и описание схемы пошагового выполнения вычислительного алгоритма.
Укрупненнаяблок-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 10. Исследование алгоритмов случайного поиска
10.1. Требования задания
Цель работы – разработка программы многомерной минимизации целевых функций на основе применения алгоритмов случайного поиска, удовлетворяющей требованиям лабораторной работы 5.
Методы случайного поиска:
М1 – метод поиска с возвратом при неудачном шаге;
М2 – метод наилучшей пробы;
М3 – метод статистического градиента;
М4 – метод покоординатного обучения;
М5 – метод непрерывного самообучения;
М6 – адаптивный метод случайного поиска;
М7 – метод на основе LPτ-поиска.
Варианты задания
Вариант |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
Метод |
М1 |
М2 |
М3 |
М4 |
М5 |
М6 |
М7 |
М1 |
Тестовая функция |
(25) (38) |
(27) (37) |
(23) (36) |
(28) (35) |
(29) (33) |
(30) (31) |
(23) (38) |
(27) (36) |
10.2. Контрольные вопросы
Какие методы применяются при поиске глобального минимума?
В чем идея методов случайного поиска и в чем отличие методов случайного поиска от остальных методов нулевого порядка?
В чем отличие метода случайного поиска с возвратом при неудачном шаге от метода LPτ-поиска?
Каким образом можно равномерно покрыть область пробными точками?
Когда целесообразно применять алгоритмы случайного поиска?
10.3. Содержание отчета
Цель работы и требования задания.
Краткое описание метода оптимизации на основании материала лекционного курса и описание схемы пошагового выполнения вычислительного алгоритма.
Укрупненнаяблок-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.