- •Г.Г КАШЕВАРОВА, Т.Б. ПЕРМЯКОВА
- •Предисловие
- •Введение
- •Общие сведения о математическом моделировании.
- •Численные методы
- •Элементы теории погрешности
- •Понятия мастера и надстройки
- •Глава 1. Основные понятия матричного исчисления. Матрицы в расчетах строительных объектов
- •1.1. Матрицы и векторы. Определения
- •1.2. Матрицы специального вида
- •1.3. Действия над матрицами
- •1.4. Нормы матрицы и вектора
- •1.5. Матрицы в задачах строительной механики
- •1.5.1. Матрицы влияния внутренних сил
- •1.5.2. Матричная форма расчета статически определимых ферм
- •1.5.3, Матричная форма метода сил
- •1.5.4. Матричная форма метода перемещений
- •1.6. Матрицы в расчетах инженерных сетей
- •1.7. Функции Excel для операций над матрицами
- •Категория: математические. Функции:
- •2.1. Системы линейных алгебраических уравнений
- •2.2.1. Метод Гаусса
- •2.2.2. Метод Гаусса для СЛАУ с ленточными матрицами
- •2.2.3. Метод прогонки
- •2.2.4. Метод (схема) Холецкого
- •2.3. Итерационные методы решения систем линейных алгебраических уравнений
- •2.3.1. Метод Якоби (простых итераций)
- •2.3.2. Метод Гаусса - Зейделя.
- •2.3.3. Условия сходимости итерационного процесса
- •2.5. Обусловленность задач и вычислений, или как узнать, что получены правильные ответы
- •2.6. Вычисление определителя
- •2.7. Вычисление обратной матрицы
- •2.8. Нахождение собственных значений и собственных векторов матриц
- •2.8.1. Вводные замечания
- •2.8.2. Методы развертывания вековых определителей
- •2.8.3. Итерационные методы определения максимального по модулю собственного значения
- •2.9.1. Реализация метода Гаусса средствами приложения Excel
- •Последовательность действий:
- •2.9.4. Реализация метода Зейделя средствами приложения Excel
- •Последовательность действий:
- •3.1. Отделение корней
- •3.2. Этап уточнения корня
- •3.2.1. Метод половинного деления (бисекций)
- •3.2.2.Метод хорд
- •3.2.3. Метод Ньютона (метод касательных)
- •3.2.4. Модифицированный метод Ньютона
- •3.3. Системы нелинейных уравнений
- •3.4. Реализация численных методов решения нелинейных уравнений средствами приложения Excel
- •3.4.1. Решение нелинейных уравнений
- •Последовательность действий
- •4.2.3. Интерполяционный полином Эрмита
- •4.2.4. Сплайн-интерполяция
- •Глава 4. Аппроксимация
- •4.1. Задача и способы аппроксимации
- •4.2. Интерполирование функций
- •4.2.1. Постановка задачи интерполирования
- •4.2.2. Интерполяционная формула Лагранжа
- •4.3. Среднеквадратичное приближение функций
- •4.3.1. Метод наименьших квадратов
- •4.3.4. Квадратичное (параболическое) приближение
- •4.3.4. Эмпирические формулы с двумя параметрами. Метод выравнивания
- •4.4. Решение задач аппроксимации с помощью электронных таблиц Excel
- •4.4.1. Построение линейной эмпирической формулы методом наименьших квадратов
- •Последовательность действий
- •Последовательность действий
- •5.1. Квадратурные формулы прямоугольников
- •5.2. Квадратурная формула трапеций
- •5.3. Квадратурная формула Симпсона
- •5.4. Реализация методов численного интегрирования средствами приложения Excel
- •Глава 6. Численные методы решения дифференциальных уравнений с начальными и краевыми условиями
- •6.1.1. Задачи Коши и краевые задачи
- •6.2.1.Классификация уравнений и типы задач
- •6.3. Численные методы решения задач Коши
- •6.3.1. Метод Эйлера
- •(геометрический метод решения задачи Коши)
- •6.4. Численные методы решения краевых задач
- •Разностная схема краевой задачи для обыкновенного дифференциального уравнения 2-го порядка
- •Конечно-разностная аппроксимация функций двух переменных
- •Сходимость метода конечных разностей
- •6.5. Вариационный подход к решению краевых задач
- •6.5.1. Основные понятия вариационного исчисления
- •6.5.2. Связь решения краевой задачи с нахождением минимума функционала
- •6.5.3. Метод Ритца
- •6.6.1. Решение задачи Коши методом Эйлера
- •Построение второй итерации
- •Последовательность действий.
- •Порядок построения графиков приближенных решений краевой задачи
- •Глава 7. Метод конечных элементов
- •7.1. Основные положения МКЭ
- •Построение расчетной модели
- •Аппроксимация искомой функции
- •Составление разрешающих уравнений
- •Решение системы линейных алгебраических уравнений
- •7.2.1. Классификация конечных элементов
- •Одномерный конечный элемент
- •Двухмерные конечные элементы.
- •элемента
- •Одномерный симплекс-элемент
- •Двухмерный треугольный симплекс-элемент
- •7.2.3. Интерполирование векторных величин
- •7.2.4. Разбиение области на конечные элементы
- •7.2.5 Нумерация узлов и элементов
- •7. 3. Основные соотношения МКЭ
- •7.3.1. Получение разрешающих уравнений на примере плоской задачи теории упругости
- •7.3.2. Примеры разрешающих уравнений в задачах расчета строительных объектов
- •7.4. Другие типы конечных элементов
- •7.4.1. Элементы Эрмита
- •7.5. Теоретическая и практическая сходимость МКЭ
- •7.6.1. Специализированные программные комплексы
- •7.6.2. Универсальные программные комплексы
- •8.1.1. Математическая модель задачи оптимизации
- •8.1. Общие сведения
- •8.1.2. Необходимые и достаточные условия экстремума функции
- •8.1.3. Классификация задач математического программирования
- •8.2. Постановка задачи оптимального проектирования
- •8.2.1. Определение входных и выходных параметров
- •8.2.2. Выбор целевой функции
- •8.2.3. Назначение ограничений
- •8.2.4. Нормирование управляемых и выходных параметров
- •8.2.5. Примеры постановок задач оптимального проектирования
- •8.3. Задачи линейного программирования
- •8.3.1. Общая постановка задачи ЛП
- •8.3.2. Геометрический смысл системы линейных неравенств с двумя неизвестными
- •8.3.4. Симплекс-метод решения задач линейного программирования
- •Задача об оптимальном плане выпуска продукции
- •Задача об оптимальном раскрое материалов (о минимизации отходов)
- •Задача о планировании смен на предприятии
- •Задача о покрытии местности при строительстве объектов
- •Транспортная задача
- •Задача о назначениях (проблема выбора)
- •8.3.6. Двойственные задачи в линейном программировании
- •8.4. Нелинейные задачи оптимизации
- •8.4.1. Выпуклые множества и выпуклые функции
- •8.4.2. Классификация численных методов решения нелинейных задач оптимизации
- •Основные этапы поиска экстремума
- •8.4.3. Численные методы одномерного поиска
- •Метод перебора или равномерного поиска
- •Метод дихотомии (или половинного деления)
- •Метод квадратичной интерполяции
- •Метод покоординатного спуска
- •Метод градиентного спуска
- •Метод наискорейшего спуска
- •Метод сопряженных градиентов
- •Метод Ньютона
- •Метод штрафных функций
- •8.5. Решение задач оптимизации с помощью электронных таблиц Excel
- •Литература
- •Оглавление
- •Численные методы решения задач строительства на ЭВМ
построения математических моделей задач оптимизации, а также методы их решения.
Но прежде рассмотрим, что представляет собой математическая модель задачи оптимизации, и введем ряд понятий и определений, используемых в этих задачах.
8.1.Общие сведения
8.1.1.Математическая модель задачи оптимизации
^Задача оптимизации обычно сводится к отысканию наименьшего или наибольшего значения некоторой функции, которую принято называть целевой функцией (или функцией
Z=Z(xu х2, х3,....х„). |
(8.1) |
В качестве целевой функции могут быть приняты, например: минимальный вес конструкции, максимальный объем выпуска продукции; минимальная стоимость перевозок груза; максимальная прибыль и т.д.
Параметры хь х2, х3,....х„, - переменные величины, которые могут изменяться непрерывно или дискретно и должны однозначно определять целевую функцию. Они называются
управляемыми (или проектными) параметрами.
Количество и параметров х,- (i=\,2,...n), определяет размерность (сложность) задачи.
Область, определяемая всеми проектными параметрами, называется пространством проектирования. Это пространство обычно не столь велико, как может показаться, так как в практических задачах ограничено рядом условий, связанных с физической сущностью задачи (это могут быть законы природы, механики, экономики, права, наличие необходимых материалов и ресурсов и т.п.). Управление строительством или техническое проектирование всегда ведется в условиях жестких ограничений на материальные, энергетические, временные и прочие виды ресурсов.
Выражения, описывающие эти условия, называются ограничениями задачи. Ограничения делятся на две группы:
- ограничения -равенства:
h{x 1, хъ хз, ....хп)=0 |
(/=1,2,...*), |
(8.2) |
- и ограничения-неравенства:
gj(xh хъ х3|....*„)<или>0 |
(/=1,2,.../). |
(8.3) |
Значения управляемых параметров, при которых выполняются ограничения (8.2)-(8.3), называются допустимыми решениями задачи.
Допустимое решение X * (х, ,х 2 |
х п ) , дающее |
экстремум функции цели (8.1), называется оптимальным решением.
Оптимальное решение (если оно вообще существует) не обязательно единственно. Возможны случаи, когда имеется
бесчисленное множество оптимальных решений.
Считается, что математическая модель задачи оптимизации построена, если определены управляемые параметры, построена целевая функция (8.1) и записаны
ограничения задачи (8.2) - (8.3).
Для записи математической модели задачи оптимизации в общем виде часто используется следующая символика [20]:
наити |
Z(X) -> min(max), X е Q |
(8.1*) |
|
при ограничениях: Q,: hj ( X ) = 0 |
(/ = 1, * ) , |
( 8.2*) |
|
|
g j ( x ) < о |
0 = й ) , |
(8.3*) |
где Z ( X ) - целевая функция, зависящая от вектора управляемых
параметров X ; Q - допустимое множество, заданное ограничениями на управляемые параметры.
Решение задачи оптимизации состоит в нахождении значений управляемых параметров х ь х2, х3.....х,„ удовлетворяющих заданным ограничениям и обращающим в максимум или минимум целевую функцию.
Решение может находиться либо внутри области, либо на границе. Если целевая функция непрерывна, а множество
замкнуто, не пустое и ограниченное, то решение задачи (8.1) - (8.3) существует.
8.1.2. Необходимые и достаточные условия экстремума функции
Выбор метода решения задачи оптимизации зависит от свойств целевой функции и той информации о ней, которая может считаться доступной в процессе решения задачи. Наиболее просты с математической точки зрения случаи, когда целевая функция формулируется в терминах непрерывных параметров и задается аналитической формулой. А если при этом она еще является и дифференцируемой, то для ее исследования (поиска точек локального экстремума, определения направления ее возрастания и убывания) может быть использована производная.
, ♦
Локальный экстремум - это точка X пространства проектирования, в которой целевая функция имеет наибольшее или наименьшее значение по сравнению с ее значениями в других точках ближайшей окрестности.
Необходимым |
признаком |
локального |
экстремума |
_„* |
|
всех частных |
|
функции в точке X |
является равенство нулю |
||
производных в этой точке [33]: |
|
|
|
dZ{X*) Л |
„ |
/0 „ч |
|
— |
-----= 0, (г= 1,2,...,«). |
(8.4) |
дх,
__ *
Точка X при выполнении необходимого условия называется стационарной точкой.
d2Z |
d2Z |
дх2 ’ |
дх,дх2 ’ |
d2Z |
d2Z |
|
(8.6) |
d2Z |
d2Z |
дхпдх] ’ |
дхпдх2 ’ |
Если она определена положительно, то в точке X
функция Z(X) имеет безусловный минимум, если определена
отриг(ательно - безусловный максимум. Эти условия являются
достаточными условиями экстремума функции.
, *
В остальных случаях точка X является седловой точкой. На практике проверка характера стационарной точки проводится в простых случаях, когда известно, что функция непрерывна и не менее чем дважды дифференцируема.
Поиск максимума целевой функции ( Z(x) —> max ) всегда можно заменить на поиск минимума этой же функции, но взятой с обратным знаком (-Z(x) —>min ) (рис.8.3).
/ Т max
х
V i min г=-2^
Рис.8.3. Максимум и минимум функции
Если целевая функция задана аналитически, то для вычисления градиента можно получить явные формулы. В тех случаях, когда никакой формулы для целевой функции нет, а имеется лишь возможность определить ее значение в любой точке рассматриваемой области (с помощью расчетов, в результате эксперимента и т.п.), частные производные в нужных точках приходится вычислять приближенно, заменяя их соответствующими разностными отношениями [19]: