
- •1. Выпуклые множества: определение,выпуклая линейная комбинация и ее свойства, пересечение множеств,типы множеств, внутренние и граничные точки.
- •Выпуклая функция (выпуклая вниз)
- •Вогнутая функция (выпуклая вверх)
- •Выпуклое множество
- •Выпуклая линейная комбинация
- •Свойства
- •Множества
- •2. Выпуклые множества:крайняя точка,гиперплоскость,теорема о разделяющей гиперплоскости,опорная гиперплоскость,выпуклая оболочка.
- •Гиперплоскость
- •Теорема о разделяющей гиперплоскости
- •Опорная гиперплоскость
- •Выпуклая оболочка
- •3. Выпуклые функции:определения,свойство линейной формы,свойство суммы выпуклых функций,признак выпуклости диффеpенциpуемой функции.
- •Выпуклая функция (выпуклая вниз)
- •Выпуклая функция (выпуклая вверх)
- •Свойство линейной формы
- •Свойство суммы выпуклых функций
- •Признак выпуклости дифференцируемой функции
- •4. Выпуклые функции:свойство выпуклости области определения выпуклых функций, свойство глобальности минимума выпуклой функции.
- •Свойство выпуклости области определения выпуклых функций
- •Свойство глобальности минимума выпуклой функции.
- •5. Постановка задачи оптимизации.Классы оптимизационных задач:задачи безусловной оптимизации,условной оптимизации,классические на условный экстpемум, выпуклые задачи оптимизации,задачи математического пpогpаммиpования.
- •Постановка задачи
- •Задача безусловной оптимизации
- •Задача условной оптимизации
- •Выпуклая задача оптимизации
- •Математическая задача оптимизации
- •Задача линейного программирования
- •Квадратичное программирование
- •7. Условия экстремума одномерных функций без ограничений.
- •9. Классическая задача условной оптимизации,метод неопределенных множителей Лагранжа. (необходимые условия экстремума)
- •Классическая задача условной оптимизации
- •10. Геометрическая интеpпpетация множителей и метода Лагранжа,достаточные условия экстремума,седловые точки,решение задач с ограничениями - неравенствами классическим методом Лагранжа.
- •11. Понятие о численных методах оптимизации.
- •Определение
- •Основные понятия
- •Классификация численных методов
- •Одномерный пассивный поиск
- •Унимодальность
- •Интервал неопределенности
- •Принцип минимакса
- •13. Принцип минимакса,постановка экспериментов пpи пассивном поиске,метод дихотомии, эвристический алгоритм Свенна (наушники).
- •Принцип минимакса
- •14. Метод Фибоначчи,метод золотого сечения.
- •Метод золотого сечения
- •Метод Фибоначчи
- •Алгоритм Фибоначчи
- •15. Метод золотого сечения,методы оценивания с использованием квадратичной аппроксимации.
- •Методы оценивания с использованием квадратичной аппроксимации ((оцениваем местонахождение точки ))
- •16. Метод средней точки,метод касательных,метод секущих.
- •Метод средней точки
- •17. Метод поиска по симплексу.
- •18. Метод поиска Хука-Дживса.
- •19. Метод сопряженных направлений Пауэлла.
- •20. Градиентные методы:с постоянным шагом,с дроблением шага.
- •Градиентный метод c дроблением шага
- •21. Метод наискорейшего спуска,метод покооpдинатного спуска,сходимость гpадиентных методов.
- •Cходимость гpадиентных методов
- •22. Градиентный метод с масштабированием переменных.
- •23. Эвристические схемы градиентного метода.
- •26. Теорема Куна-Таккера,доказательство достаточности (без доказательства).
- •Теорема Куна–Таккера
- •27. Теорема Куна-Таккера,доказательство необходимости (без доказательства).
- •Теорема Куна–Таккера
- •28. Развитие и обобщение метода Лагpанжа,общая теоpема математического пpогpаммиpования.
- •29. Общая теорема математического пpогpаммиpования,условия оптимальности для задач квадратичного пpогpаммиpования.
- •30. Метод (де)Била.
- •Полный алгоритм метода Била
- •31. Условия оптимальности для задач квадратичного пpогpаммиpования. Метод Вулфа.
- •Метод Вулфа
- •32. Метод кусочно-линейной аппроксимации.
- •33. Метод проекции градиента.
- •34. Метод возможных направлений.
- •Алгоритм
- •35. Методы штрафных функций.
- •36. Постановка общей задачи линейного пpогpаммиpования,пpимеpы задач.
- •Определение
- •Пример задачи
- •37. Свойства pешений задач линейного пpогpаммиpования.
- •Теорема о существовании вершин многогранного множества
- •Теорема о существовании опрного плана
- •Теорема о существовании опорного решения
- •Теорема о разрешимости задачи линейного программирования
- •38. Двойственные задачи линейного программирования и их свойства.
- •39. Идея метода последовательного улучшения плана,признак оптимальности.
- •40. Алгебраическое обоснование метода последовательного улучшения плана.
- •41. Метод искусственного базиса.
- •Определение
- •Определение
- •Метод
- •49. Метод Форда-Фалкерсона для решения задачи о максимальном потоке в сети.
- •Определение (постановка задачи)
- •Алгоритм (Форда-Фалкерсона)
- •50. Линейная сетевая задача,метод потенциалов для ее решения.
- •Линейная сетевая задача
- •Метод потенциалов
- •51. Жордановы исключения. Геометрический метод pешения задач линейного пpогpаммиpования.
- •52. Задачи оптимального упpавления.Пpинцип оптимальности динамического пpогpаммиpования.
- •53. Метод динамического пpогpаммиpования для дискретных систем.
- •54. Метод динамического пpогpаммиpования для непpеpывных систем.
- •55. Решение задач pаспpеделения pесуpсов методом динамического пpогpаммиpования.

Отсюда из левого неравенства вывод о том, что: Левое неравенство выражения (5) должно выполняться, когда
, возможно только
тогда, когда выполняется соотношение , c учетом этого рассмотрим правое неравенство:
, для всех
, и так как
, то
, для всех
.
действительно является оптимальным решением (1)(2).
27. Теорема Куна-Таккера,доказательство необходимости (без доказательства).
(1)
(2)
Допущения: - выпуклые знак(???) знак выпишем в ограничение (2) для области X выполняются условия регулярности Слайтора:
, в которых все ограничения выполняются как строгое неравенство:
(область Х является подобластью внутри области …) БЛЯ ПИДОР КАКОЙ ТО В БИБЛИИ ЭТО ПИСАЛ
будем использовать функцию Лагранжа вида:
(3) |
|
|
|
|
Теорема Куна–Таккера |
|
|
|
|
Для того, чтобы |
точка |
являлась |
оптимальным решением (1)(2), |
необходимо и |
достаточно существования |
такого вектора |
, чтобы для всех |
выполнялись |
|
соотношения: |
|
|
|
|
(4) |
, то есть точка |
- является седловой точкой функции Лагранжа, в |
||
которой функция Лагранжа достигает минимума при любых их X и достигает максимума |
||||
по , при любых |
. |
|
|
|
Необходимость условия (4): |
|
|
||
считаем, что - |
оптимальное решение (1)(2), надо показать, что |
, при котором |
||
выполняется выражение (4) |
|
|
||
сформируем 2 вспомогательных множества точек: |
|

множества являются выпуклыми, не пересекаются в силу оптимальности точки , значит существует плоскость, разделяющая эти множества
рассмотрим случай, когда
, гиперплоскость разделяет эти 2 множества, справедливо выражение: (6)
из выражения (6) следует: раз компоненты могут принимать какие угодно большие отрицательные значения
выражение (6) справедливо и в случае нестрогого разделения множеств
и
(точки на границах этих множеств)
Запишем выражение (6) для таких векторов:
(7) , выполняется для всех
из этого выражения следует, что
,
так как иначе должно выполнятся, что ; в любых точка
невозможно так как по
условию регулярности Слайтора … (опять пидорас в библии не дописал нихуя)
значит предположение, что - неверное
Введем обозначение:
разделим обе части (7) на :
(8), выполняется для выполняется и для
, в этом случае выражение (8)
записывается (9)
вспомним, что , значит что
может выполняться как равенство нулю, тогда из
(9) выражения можно записать:
(10)
Можем записать что
(11)
объединяем вместе выражения (8), с учетом выражения (10) и выражения (11) (с учетом
(10)), можем записать окончательное выражение: