- •В.А. Панов математические основы теории систем. Методы оптимизации
- •Содержание
- •1. Основные понятия и определения 6
- •2. Линейное программирование 13
- •3. Нелинейное программирование 53
- •4. Вариационное исчисление 91
- •5. Оптимальное управление 109
- •Введение
- •1. Основные понятия и определения
- •1.1. Оптимизационная задача
- •1.2. Допустимое решение
- •1.6.1. Частные критерии
- •1.6.2. Обобщенные критерии
- •Обобщенный аддитивный критерий
- •Обобщенный мультипликативный критерий
- •1.6.3. Минимаксные критерии
- •1.7. Общая характеристика методов поиска экстремума
- •Краткая характеристика методов и задач
- •2. Линейное программирование
- •2.1. Стандартный вид задачи линейного программирования (злп)
- •2.2. Способы приведения задачи линейного программирования к стандартному виду
- •2.3. Графический метод решения задач линейного программирования
- •2.4. Симплекс-метод решения задач линейного программирования
- •2.4.1. Канонический вид злп
- •2.4.2. Симплекс-таблица, соответствующая каноническому виду
- •2.4.3. Нахождение координат вершины допустимого многогранника по каноническому виду (симплекс-таблице)
- •2.4.4. Алгоритм решения злп с помощью симплекс-метода
- •Задание для самостоятельной работы
- •2.5. Приведение злп к каноническому виду
- •2.5.1. Метод искусственного базиса
- •2.6. Алгоритм двойственного симплекс-метода
- •Задания для самостоятельной работы
- •2.7. Целочисленное линейное программирование
- •2.7.1. Метод сечения Гомори
- •2.8. Транспортная задача
- •2.8.1. Постановка задачи
- •2.8.2. Математическое описание задачи
- •2.8.3. Транспортная таблица
- •2.8.4. Таблица издержек
- •2.8.5. Метод «северо-западного» угла
- •2.8.6. Алгоритм решения транспортной задачи
- •Задания для самостоятельной работы
- •3. Нелинейное программирование
- •3.1.2.2 Метод ненаправленного поиска
- •3.1.2.3. Метод дихотомии (деление отрезка пополам)
- •3.1.2.4. Метод «золотого сечения»
- •3.1.2.5. Метод Фибоначчи
- •Задание для самостоятельного решения
- •3.2. Графический метод решения задач нелинейного программирования
- •Целевая функция линейная, ограничения нелинейны
- •Ограничения линейные, целевая функция нелинейна
- •3.3. Задачи дробно-линейного программирования
- •Задания для самостоятельного решения
- •3.4. Методы поиска безусловного экстремума функции многих переменных
- •3.4.1. Аналитический метод
- •3.4.2. Итерационные методы
- •3.4.2.1. Метод покоординатного спуска
- •3.4.2.2. Метод наискорейшего спуска
- •Задания для самостоятельной работы
- •3.5. Решение задач нелинейного программирования с ограничениями-равенствами
- •Метод неопределенных множителей Лагранжа
- •Задание для самостоятельной работы
- •3.6. Задачи квадратичного программирования
- •Задания для самостоятельной работы
- •3.7. Метод условного градиента
- •5. X1, x2,xn 0. (3.25)
- •X1, x2,xn 0.
- •Задания для самостоятельной работы
- •3.8. Метод штрафных функций
- •4. Вариационное исчисление
- •4.1. Формула Эйлера-Лагранжа
- •4.2. Частные случаи формулы Эйлера
- •4.3. Обобщенная задача вариационного исчисления
- •4.4. Решение задач вариационного исчисления с ограничениями
- •4.5. Изопериметрическая задача
- •4.6. Функционалы, зависящие от производных высших порядков
- •Задание для самостоятельного решения
- •5. Оптимальное управление
- •5.1. Постановка задачи
- •5.2. Классификация задач оптимального управления
- •5.3. Принцип максимума Понтрягина
- •5.4. Задача о максимальном быстродействии
- •Задания для самостоятельного решения
- •Список литературы
- •Основы теории оптимизации в.А. Панов
Задания для самостоятельного решения
1. 2.
x1 + 2x2 ≤ 16, –x1 + x 2 + 3x3 = 8,
x1 + x2 ≤ 10, 2x1 – x2 – x3 = 4,
x1 ≤ 6, xj ≥ 0, j = 1, 2, 3.
x2 ≤ 7,
x1, x2 ≥ 0
3. 4.
x1 – x2 + 2x3 = 4, x1 + x 2 + x5 = 3,
–x1 + 2x2 + x3 + x4 = 6, 3x1 + x2 – x3 = 4,
xj ≥ 0, j = 1,..4. –x1 + 3x2 + x4 = 6,
xj ≥ 0, j = 1,..5.
5.
6x1 – 3x 2 + x3 + x4 = 12, x1 + x 2 + x3 = 6,
7x1 – x2 + 2x3 ≤ 12, 3x1 – 2x2 + x4 = 9,
–4x1 + 2x2 – x3 – x5 = 1, –x1 + 2x2 + x5 = 10,
xj ≥ 0, j = 1,..5. xj ≥ 0, j = 1,..5.
7.
4x1 – x 2 ≤ 5, –x1 + 3x 2 – x4 = 10,
x1 + 3x2 – x3 = 7, 2x1 + 4x2 – x3 – x4 = 20,
–3x1 + 4x2 + x4 = 17, 5x1 + 2x2 + x5 = 35,
xj ≥ 0, j = 1,..4. –3x1 + 2x2 + x6 = 11,
xj ≥ 0, j = 1,.6.
9.
x1 + x 2 – x3 = 5,
–x1 + 2x2 ≥ 1,
–3x1 + x2 + x4 = 1,
xj ≥ 0, j = 1,...,4.
3.4. Методы поиска безусловного экстремума функции многих переменных
В задачах на поиск безусловного экстремума отсутствуют ограничения.
3.4.1. Аналитический метод
Задана функция нескольких переменных f(х1, х2хn) min (max).Требуется найти такие вектора при которых функция минимальна.
Алгоритм.
Находим частные производные и приравниваем их нулю:
, (3.12)
Решаем полученную систему (3.12).
В результате решения находим вектора .
Определение типа экстремума.
Для определения типа экстремума для каждой точки составляется матрицаА следующего типа:
, где (3.13)
Тип экстремума находится из следующего положения.
Если все главные миноры матрицы А, найденные для точки , положительны, то функция в этой точке имеет минимум.
Если все главные миноры матрицы (–А), найденные для точки , положительны, то функция в этой точке имеет максимум.
Во всех остальных случаях функция в точке , экстремума не имеет.
Главный минор i – это определитель подматрицы, получающейся из исходной путем отчеркивания i-ой строки и i-го столбца.
Пример.
F(x,y) = 3x3 – x + y3 – 3y2 – 1 .
Найти экстремумы заданной функции.
Решение.
Для определения типа экстремума требуется рассмотреть четыре точки:
(1/3, 0), (–1/3, 0),(1/3, 2),(–1/3, 2).
,
, ,
, .
Для точки (1/3, 0):
а11 = 6, а12 = а21 = 0, а22 = –6
1 () =а11 = 6 0, 2 () =а11 а22 – а12 а21 = –36 0,
1 (–) = –а11 = –6 0, 2 (–) =а11 а22 – а12 а21 = –36 0,
Следовательно, в точке нет ни минимума, ни максимума.
Для точки (–1/3, 0):
а11 = –6, а12 = а21 = 0, а22 = –6
1 () =а11 = –6 0, 2 () =а11 а22 – а12 а21 = 36 0,
1 (–) = –а11 = 6 0, 2 (–) =а11 а22 – а12 а21 = 36 0,
Следовательно, в точке функция имеет максимум.
Аналогично анализируются точки и .
3.4.2. Итерационные методы
Постановка задачи:
Дано:
Функция нескольких переменных f(х1, х2хn) min (max).
Точка – начальное приближение к экстремуму.
– точность нахождения экстремума.
Критерий окончания счета.
Обычно используются два критерия окончания счета:
(3.14)
Модуль градиента в точке экстремума равен нулю. Следовательно, чем меньше модуль градиента, тем ближе к экстремуму точка. Модуль градиента:
(3.15)
Разность значений функции в двух соседних точках при приближении к экстремуму стремится к нулю.