
- •Содержание
- •Введение
- •1 Классический медод решения задач нелинейного программирования
- •1.1 Постановка задачи
- •1.2 Экстремум функции одной переменной
- •1.3 Экстремумы функций многих переменных
- •1.4 Метод неопределенных множителей Лагранжа
- •1.4.1 Основные положения
- •1.4.2 Геометрическая интерпретация метода множителей Лагранжа
- •1.4.3 Экономическая трактовка метода множителей Лагранжа
- •1.4.4 Особые случаи
- •1.5 Особенности реальных задач
- •2 Численные методы решения задач нелинейного программирования
- •2.1 Общая характеристика методов решения задач нелинейного программирования
- •2.2 Методы одномерной оптимизации
- •2.2.1 Метод прямого сканирования
- •2.2.2 Метод половинного деления
- •2.2.3 Метод "золотого сечения"
- •2.2.4 Метод Фибоначчи
- •2.3 Методы многомерной оптимизации
- •2.3.1 Метод Гаусса-Зайделя
- •2.3.2 Метод градиента
- •2.3.3 Метод наискорейшего спуска
- •2.3.4 Метод квантования симплексов
- •2.3.5 Поиск при наличии "оврагов" целевой функции
- •2.4 Методы поиска условного экстремума
- •2.4.1 Метод проектирования вектора-градиента
- •2.4.2 Метод ажурной строчки
- •2.5 Проблемы поиска глобального экстремума
- •3 Численные методы решения задач нелинейного программирования
- •3.1 Графический метод решения задач нелинейного программирования
- •3.2 Метод множителей Лагранжа
- •3.3 Компьютерная реализация решений задач нелинейного программирования
- •3.3.1 Решение задач нелинейного программирования в среде приложенияExcel
- •3.3.2 Решение задач нелинейного программирования в среде приложения Matlab
- •Перечень ссылок
- •Приложение а Блок-схемы методов
1.3 Экстремумы функций многих переменных
В большинстве
задач оптимизации критерий оптимальности
является функцией нескольких независимых
переменных –
Если он является непрерывной функцией,
имеющей непрерывные частные производные
первого и второго порядка по всем
переменнымuι (ι = 1,n) , то необходимым
условием экстремума в точке
является равенство нулю в этой точке
первых производных по всем переменным,
т.е. точки, в которой функция
может достигать экстремума, определяются
решением системы уравнений
,t=
.
Достаточные
условия существования экстремума
определяются в результате анализа знака
квадратичной формы B=,
коэффициенты которой определяются
соотношениями
;
i,j=
.
Квадратичная форма может быть положительно определенной и отрицательно определенной. Ответ о знаке квадратичной формы дает теорема, которая формулируется следующим образом: для положительной определенности квадратичной формы необходимо и достаточно, чтобы были выполнены условия Сильвестра
т.е. все главные миноры матрицы
A=
должны быть строго положительны.
Квадратичная
форма будет отрицательно определенной,
если все главные миноры матрицы A,
имеющие нечетный порядок, отрицательны,
а, имеющие четный порядок, положительны,
т.е.
Если квадратичная форма является положительно определенной, то исследуемая точка является точкой минимума, если же квадратичная форма будет отрицательно определенной, то в точке {uι} имеет место максимум.
Возможен случай, когда все главные миноры отличны от нуля, но условия положительной или отрицательной определенности квадратичной формы не выполняются, в этом случае в исследуемой точке функция не имеет ни максимума, ни минимума. В случае обращения в нуль главных миноров матрицы A, вопрос о наличии экстремума в исследуемой точке решается более сложно с использованием производных более высокого порядка.
Пусть в реакторе идеального смешения протекает реакция первого порядка (A → P). Требуется определить оптимальные условия – время пребывания и температуру, при которой себестоимость продуктаP будет минимальной.
Критерий оптимальности – себестоимость задается функцией
Q(
где u1 – время пребывания,u2 – константа скорости химической реакции, связанная с температурой уравнением Аррениусаu2 = exp(–E /RT),E иR – константы;СА – стоимость единицы расходуемого сырья;Сq – стоимость дополнительного оборудования реактора, исчисляемая с учетом амортизации;Сv –стоимость единицы объема реактора, исчисляемая с учетом его амортизации;U – нагрузка реактора по исходному сырью;xA0 – начальная концентрация веществаА.
Необходимые условия экстремума функции Q(u1,u2) дают систему уравнений:
Последнее уравнение не удовлетворяет ни каким значениям u1,u2, поэтому разумно выдерживать максимально возможную температуру ведения процесса, что определит значениеu2. Оптимальное значение времени пребывания, соответствующее принятому значению температуры в этом случае определится как
Минимальная себестоимость составит
.
Найти экстремум
функции Q (u1,u2)
=
Необходимые условия экстремума
записываются в виде системы:
Решение полученной системы уравнений дает три подозрительные точки на экстремум: (0, 0); (1, 1); (–1, –1). Для определения существования экстремума в найденных точках требуется проверить достаточные условия. С этой целью составляется матрица
.
В найденных точках
Матрица
– знаконеопределенна, следовательно,
точка (0, 0) не является экстремальной.
Матрицы
положительно определенные
поэтому в точках (1, 1) и (–1,–1)
будетминимум
-
.