- •Розділ 1. Методологічні основи дослідження операцій
- •1.1 Етапи дослідження операцій
- •1.2 Математичне моделювання. Загальна структура
- •1.3 Етапи математичного моделювання. Приклади
- •1.4 Розділи і класи задач дослідження операцій
- •1.5 Основні вимоги до математичних моделей і їх властивості
- •1.6 Формалізація принципів оптимального поводження в моделях прийняття рішення.
- •Розділ 2. Задачі лінійного програмування
- •2.1 Попередні відомості теорії лінійного програмування.
- •2.2 Графічна інтерпретація розв’язання задач лп
- •2.3 Змістовний опис симплекс-методу розв’язання задач лп
- •2.4 Знаходження початкового опорного плану
- •2.5 Знаходження оптимального плану
- •2.6 Застосування симплекс-таблиць
- •2.7 Метод штучної бази
- •2.8 Двоїсті (спряжені) задачі лінійного програмування
- •З другої групи умов доповняльної нежорсткості маємо
- •Розділ 3. Транспортні задачі (т-задачі)
- •3.1 Математична структура т-задач
- •3.2. Визначення початкового опорного плану т-задачі
- •3.3 Властивості опорних планів т-задач
- •3.4 Розв’язання т-задач методом потенціалів
- •3.6 Задача про оптимальні призначення
- •3.7 Задача про максимальний потік. Метод Форда-Фалкерсона
- •3.8 Задача про найкоротший шлях на мережi. Метод Мiнтi
- •Розділ 4. Дискретне програмування
- •4.1 Задача дискретного лп. Метод Гоморi-1)
- •4.2 Задача частково дискретного лп. Метод Гоморi-2
- •4.3 Задача дискретного лп. Метод Гоморi-3
- •4.4 Задача частково дискретного лп. Метод Дальтона-Ллевелiна
- •4.5 Задача дискретного лп. Метод гілок I границь
- •Розділ 5. Нелінійне програмування. Безумовна однопараметрична оптимізація
- •5.1 Загальні відомості
- •5.2 Методи виключення інтервалів
- •Зауваження
- •5.3 Поліноміальна апроксимація
- •5.4 Методи оптимізації з використанням похідних
- •Розділ 6. Нелінійне програмування. Методи умовної оптимізації
- •6.1 Класична задача математичного програмування
- •6.2 Задача опуклого квадратичного програмування.
- •6.3. Метод Франка – Вулфа розв’язання задач квадратичного програмування (зкп)
- •Розділ 7. Теорія прийняття рішень
- •7.1. Теорія корисності і прийняття рішень
- •7.1.1. Прийняття рішень в умовах ризику
- •7.1.2. Критерій “очікуване значення – дисперсія”
- •7.1.3. Критерій граничного рівня.
- •7.2. Прийняття рішень в умовах невизначеності
- •7.2.1. Класичні критерії прийняття рішень
- •7.2.2. Похідні критерії
- •Розділ 8. Прийняття рішень в ігрових ситуаціях
- •8.1 Класифікація ігор
- •8.2 Розв’язання матричних ігор у чистих стратегіях
- •8.3 Змішане розширення матричної гри
- •8.4 Властивості розв’язку матричних ігор
- •8.5. Алгебраїчний метод розв’язання матричних ігор
- •8.6 Графічний метод розв’язання ігор 2nіm 2.
- •8.7 Матричний метод розв’язання ігор
- •8.8. Ітеративні методи розв’язання ігор
- •8.9. Метод послідовного наближення до ціни гри
- •Розділ 9. Нескінченні антагоністичні ігри
- •9.1. Визначення нескінченної антагоністичної гри
- •9.2 Ігри з опуклими функціями виграшів
- •Розділ 10. Безкоаліційні ігри
- •Розділ 11. Кооперативні ігри
- •11.1 Характеристика кооперативних ігор
- •11.2. Характеристичні функції ігор з малим числом гравців
- •Розділ 12. Вправи для самостійної роботи та для практичних і лабораторних занять
- •12.1. Побудова математичних моделей задач
- •12.2. Розв’язання задач лінійного програмування
- •12.3 Розв’язання транспортних задач
- •12.4 Розв’язання задач цілочислового програмування
- •12.5 Розв’язання задач нелінійного програмування
- •12.6 Розв’язання матричних ігор
- •12.7 Лабораторний практикум
- •Розділ 13. Контрольна робота для студентів заочної форми навчання
- •13.1 Правила вибору задач контрольної роботи
- •13.2 Варіанти завдань контрольної роботи
- •Література
- •1.1 Етапи дослідження операцій 5
Розділ 5. Нелінійне програмування. Безумовна однопараметрична оптимізація
5.1 Загальні відомості
Незважаючи на те, що безумовна оптимізація функції однієї змінної є найпростішим типом оптимізаційних задач, вона займає центральне місце в теорії оптимізації як з теоретичної, так і з практичної точок зору. Це пов'язано з тим, що задачі однопараметричної оптимізації найчастіше зустрічаються в інженерній практиці і, крім того, знаходять своє застосування під час реалізації більш складних ітеративних процедур багатопараметричної оптимізації.
У загальному випадку під час розв’язування задач оптимізації розглядається два питання. Це аналіз функції у статиці, що полягає у тому, щоб визначити, чи є дане рішення оптимальним. Для цього існують необхідні і достатні умови оптимальності. Друге питання - аналіз функції у динаміці, що пов’язане з тим, щоб знайти оптимальне рішення. З цією метою нижче розглядається ряд одномірних методів пошуку, орієнтованих на знаходження точки оптимуму всередині деякого заданого інтервалу. Методи пошуку, які дозволяють визначити оптимум функції однієї змінної шляхом послідовного виключення інтервалів, тобто шляхом зменшення інтервалу пошуку, носять назву методів вилучення інтервалів. Необхідною умовою для використання методів виключення інтервалів під час розв’язування оптимізаціїних задач є вимога унімодальності функції.
Означення 5.1. Функція єунімодальною на інтервалі тоді і тільки тоді, коли вона монотонна по обидві обидва боки від єдиної оптимальної точки. Інакше кажучи, якщоє єдиною точкою мінімуму функціїна інтервалі, то функціяє унімодальною тільки тоді, коли для деякихтаякщо, то виконується умова, а колито виконується умова.
Унімодальність функцій є виключно важливою властивістю. Фактично усі одномірні методи пошуку, що використовуються на практиці, засновані на тому, що вважають, що досліджувана функція у допустимому інтервалі має властивість унімодальності. Корисність цієї властивості визначається тим фактом, що для унімодальної функції f(x) порівняння значень f(x) у двох різних точках інтервалу пошуку дозволяє визначити, в якому із заданих двома вказаними точками підінтервалів точка оптимуму відсутня.
Теорема 5.1. Нехай функція f(x) унімодальна на замкненому інтервалі , а її мінімум досягається у точці x*. Розглянемо точки x1 та x2 , розташовані у інтервалі таким чином, що . Порівнюючи значення функції у точкахта, можна зробити такі висновки.
Якщо , то точка мінімумуне лежить у інтервалі, тобто.
Якщо , то точка мінімумуне лежить у інтервалі, тобто.
Примітка. Якщо f(x1) = f(x2), то можна виключити обидва крайні інтервали (a, x1) та (x2, b) ; при цьому точка мінімуму повинна розміщуватись у інтервалі (x1, x2).
Згідно з теоремою 5.1, яку ще називають правилом виключення інтервалів, можна реалізувати процедуру пошуку, що дозволяє знайти точку оптимуму шляхом послідовного вилучення частин початкового обмеженого інтервалу. Пошук завершується, коли підінтервал, що залишився, зменшується до достатньо малих розмірів. Зауважимо, що правило вилучення інтервалів усуває необхідність повного перебору всіх допустимих точок. Безперечною перевагою пошукових методів такого роду є те, що вони основані лише на обчисленні значень функції. При цьому не вимагається, щоб досліджувані функції були диференційовані; більше того, допускаються навіть випадки, коли функцію немає можливості записати у аналітичному вигляді. Єдиною вимогою є можливість визначення значень функції f(x) у заданих точках x за допомогою прямих розрахунків або імітаційних експериментів. У загальному випадку під час пошуку оптимумів можна виділити два етапи:
етап встановлення границь інтервалу, що реалізує процедуру пошуку границь досить широкого інтервалу, що містить точку оптимуму;
етап зменшення інтервалу, на якому реалізується скінченна послідовність перетворень початкового інтервалу із тим, щоб зменшити його довжину до заздалегідь встановленої величини.
Своєрідним індикатором важливості методів оптимізації функції однієї змінної є складність алгоритмів, які можна згрупувати таким чином:
методи виключення інтервалів;
методи поліноміальної апроксимації;
методи оптимізації з використанням похідних.