- •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.
31. Условия оптимальности для задач квадратичного пpогpаммиpования. Метод Вулфа.
(Напишу хотя бы что такое квадратичное программирование )
Квадратичное программирование позволяет проводить оптимизационные исследования в задачах, в которых целевая функция составлена из линейных и квадратичных слагаемых, а ограничения являются линейными функциями. Задача квадратичного программирования представляет собой случай общей задачи нелинейного программирования.
Модель задачи квадратичного программирования имеет следующую структуру:
найти максимальное (минимальное) значение функции
при ограничениях:
Можно использовать следующий порядок нахождения решения задачи квадратичного программирования:
1. Составляется функция Лагранжа.
2. Записываются условия для ограничений.
3. Используется метод искусственного базиса с применением математической модели. 4. Находится оптимальное решение при выполнении условий п. (2).
Метод Вулфа
Исходная задача:
(1) |
, где D – положительно определенная или |
полуопределенная матрица
(2)
(3) 
Вводим искусственные переменные:
(5)
(в первом ДБР)
Алгоритм:
1) Строим искусственную задачу и применяем к ней симплекс алгоритм. При этом принудительно держим в числе небазисных
. И решаем задачу (4), (5)
со следующей формулой цели:
, если
следовательно все 
ушли из базиса, получили решение (2), т.е. исходная задача совместна, иначе несовместна.
2) Из полученной таблицы вычеркиваем все столбцы
и
. Оставшиеся переменные
для удобства перенумеровываем заново и решаем следующую задачу
, принудительно держим в числе небазисных переменную
(т.е. в ее
столбце не выбираем разрешенные элементы). Решаем симплекс алгоритм с
дополнительным правилом(*) Если при переходе от текущего ДБР к следующему
какая-то переменная
остается базисной, то в новый базис мы не должны включать соответствующую переменную
. И наоборот, если при переходе в числе базисных
остается
, то в новый базис мы не должны включать соответствующую переменную 
.В результате 2-го этапа получаем ДБР задачи (4) (5), оно же является ДБР задачи
(2),(3), в котором свободный член
, а нам нужно получить решение для задачи (4),(5) для случая когда 
3) Из полученной таблицы вычеркиваем столбцы с небазисными переменными. Будем решать задачу
применяем симплексный алгоритм с дополнительным правилом: если не удается сделать ни одной итерации, значит функция цели исходной задачи не ограничена снизу, в противном случае выполняем 2 итерации и получаем последовательные значения 
применяем симплексный алгоритм с
дополнительным правилом: если не удается сделать ни одной итерации, значит функция
