- •Глава 4. Методы поиска минимума одномерных унимодальных функций.
- •§1. Метод сокращения текущего интервала неопределенности. Алгоритм равномерного поиска.
- •§2. Метод сокращения текущего интервала неопределенности. Алгоритм равномерного дихотомического поиска.
- •§3. Метод сокращения текущего интервала неопределенности. Алгоритм Фибоначчи.
- •Первый этап
- •Второй этап
- •§4. Метод сокращения текущего интервала неопределенности. Алгоритм золотого сечения.
- •§5. Сравнение эффективности алгоритмов равномерного поиска, равномерного дихотомического поиска, Фибоначчи и золотого сечения.
- •§6. Методы сокращения текущего интервала неопределенности. Метод квадратичной аппроксимации.
- •§7. Методы сокращения текущего интервала неопределенности. Метод Паулла.
- •§8. Методы сокращения текущего интервала неопределенности. Метод хорд. Метод касательных (метод Ньютона).
- •§9. Повышение эффективности поиска посредством учета дополнительной информации о свойствах минимизируемой функции.
Первый этап
Итерация №1. r=1 ТИН1=
=[a,b]=[0,13]:


![]()
.
Итерация №2. r=2, ТИН2=
=[5,13]=
:


![]()
.
Итерация №3. r=3, ТИН3=
=[8,13]=
:


![]()
.
Итерация №4. r=4, ТИН4=
=[10,13]=
:

![]()
.
Итерация №5. r=5, ТИН5=
=[11,13]=
:

.
Второй этап
Итерация №6. r=6, ТИН6=ТИН5=[11,13]


![]()
.
Ответ: ТИН=[11, 12]●
Входные термины:
задача условной оптимизации;
одномерная унимодальная функция;
метод последовательного поиска;
прямой метод поиска;
метод сокращения текущего интервала неопределенности;
алгоритм Фибоначчи.
Выходные термины:
алгоритм золотого сечения.
§4. Метод сокращения текущего интервала неопределенности. Алгоритм золотого сечения.
Рассмотрим
следующую задачу одномерной условной
унимодальной оптимизации: с заданной
точностью
найти минимум одномерной унимодальной
функции Φ(x),
определенной
в замкнутой
области допустимых значений D=[a,b],
Φ(x)=Φ(x*)
Золотое сечение и его свойства
Рассмотрим интервал [a,b] (рисунок 1). Говорят, что точка c выполняет золотое сечение интервала [a,b], если
, (1)
где
- решение квадратного уравнения
. (2)

Рисунок 1 - К определению золотого сечения отрезка
Отметим, что из определения золотого сечения следует, что
.
Из
определения золотого сечения также
следует, что
.
Действительно,
.
Введем
в рассмотрении точку
,
симметричную точке
относительно середины отрезка
.
Легко видеть, что координата этой точки
равна
.
Алгоритм золотого сечения.
Схема алгоритма золотого сечения имеет следующий вид.
Выполняем присваивания r=1, a1=a, b1=b, ТИН1=[a1,b1].
Вычисляем величины (рисунок 2)
,
. (3)

Рисунок
2 - К
определению величин
![]()
Вычисляем значения величин
.Если
,
то выполняем присваиванияar+1=ar,
br+1=
,ТИНr+1=[ar+1,br+1].
Иначе
- выполняем присваивания ar+1=
,
br+1=br,
ТИНr+1=[ar+1,br+1].Если |ТИНr+1|≤εx,, то заканчиваем вычисления. Иначе - выполняем присваивание r=r+1 и переходим на п. 2●
Алгоритм золотого сечения относится к классу прямых алгоритмов последовательного поиска.
Некоторые свойства алгоритм золотого сечения.
Утверждение
1. Точки
![]()
расположены симметрично относительно
концов текущего интервала неопределенности
(рисунок 2).
Действительно,
из (3) следует, что точка
отстоит от точки
на величину
;
точка
отстоит от точки
на ту же
величину●
Утверждение
2. Для любого
алгоритм золотого сечения обладает
следующим свойством: одна из точек![]()
совпадает с одной из точек![]()
(рисунок 3).

Рисунок 3 - К утверждению 2
Доказательство.
Пусть на r-й
итерации
- ситуацияб
на рисунке
3. В соответствии с алгоритмом золотого
сечения
причем, очевидно,
.
Для того, чтобы доказать справедливость
утверждения достаточно показать, что
верно отношение
. (4)
Из соотношений (3) следует, что
![]()
![]()
.
Аналогично
имеем
.
Разделив первый из этих результатов на второй, получим
. (5)
Из
уравнения (2) следует, что
.
Отсюда и из (5) следует справедливость
(4).
Аналогично
проводится доказательство для случая
- ситуацияа
на рисунке
3.●
Указанное свойство алгоритма золотого сечения позволяет на каждой итерации (кроме первой) производить испытания только в одной точке.
Из схемы алгоритма золотого сечения имеем
Утверждение 3. В результате одной итерации алгоритма золотого сечения длина текущего интервала неопределенности сокращается в τ раз●
Поэтому количество итераций N, необходимых для нахождения минимума функции с точностью εx, находится из условия
.
Из утверждения 4.5.3 и результатов предыдущего параграфа следует, что при достаточно больших N алгоритм Фибоначчи практически идентичен алгоритму золотого сечения.
Входные термины:
задача условной оптимизации;
одномерная унимодальная функция;
метод последовательного поиска;
прямой метод поиска;
метод сокращения текущего интервала неопределенности;
алгоритм равномерного поиска;
алгоритм равномерного дихотомического поиска;
алгоритм Фибоначчи;
алгоритм золотого сечения.
Выходные термины:
