- •РАБОЧАЯ ПРОГРАММА
- •СОДЕРЖАНИЕ
- •Тема 1. ОБЩИЕ СВЕДЕНИЯ О МЕТОДАХ ОПТИМИЗАЦИИ
- •1.1. Основные понятия и определения. Постановка задачи
- •Тема 2. МАТЕМАТИЧЕСКОЕ ПРОГРАММИРОВАНИЕ
- •2.2. Определение выпуклости функций
- •2.3. Типы задач математического программирования
- •2.4. Связь между задачей математического программирования
- •Тема 3. ЛИНЕЙНОЕ ПРОГРАММИРОВАНИЕ
- •3.3. Симплекс-метод решения задач ЛП
- •3.4. Симплекс-таблицы
- •3.5. Метод искусственного базиса
- •3.6. Информационные технологии линейного программирования
- •3.7. Двойственная задача линейного программирования
- •3.8. Двойственный симплекс-метод
- •3.9. Целочисленное линейное программирование
- •3.9.1. Алгоритм Гомори для полностью целочисленной задачи ЛП.
- •3.9.2. Алгоритм Гомори для частично целочисленной задачи.
- •3.9.3. Метод ветвей и границ решения целочисленных задач ЛП.
- •Тема 4. ЭКСТРЕМАЛЬНЫЕ ЗАДАЧИ БЕЗ ОГРАНИЧЕНИЙ
- •4.1. Одномерная минимизация унимодальных функций
- •4.1.1. Метод Фибоначчи.
- •4.1.2 Метод золотого сечения.
- •4.1.3. Методы с использованием производных.
- •4.1.4. Методы полиномиальной аппроксимации.
- •4.2.2. Градиентные методы. Метод наискорейшего спуска.
- •4.2.4. Метод Дэвидона-Флетчера-Пауэла (ДФП) (метод переменной мет-
- •4.2.6. Обобщенный градиентный алгоритм.
- •4.2.7. Метод Ньютона.
- •4.2.9. Установка метода оптимизации в пакете MATLAB.
- •Тема 5. ЭКСТРЕМАЛЬНЫЕ НЕЛИНЕЙНЫЕ ЗАДАЧИ
- •5.1. Метод неопределенных множителей Лагранжа
- •5.2. Теорема Куна-Таккера
- •5.3. Квадратичное программирование
- •5.4. Метод допустимых направлений Зойтендейка
- •6.1. Метод линейных комбинаций
- •6.2. Метод отсекающих плоскостей Кэлли
- •6.3. Сепарабельное программирование
- •ТЕМА 7. МЕТОДЫ ОПТИМИЗАЦИИ УПРАВЛЕНИЯ
- •7.1. Дискретное динамическое программирование
- •7.3. Принцип максимума Понтрягина
- •7.3.1. Постановка задачи. Формулировка принципа максимума.
- •7.3.3. Принцип максимума в задачах о максимальном быстродействии.
- •7.4.1. Определение моментов переключения.
- •ЛИТЕРАТУРА
- •Содержание
- •Лабораторная работа № 1
- •Лабораторная работа № 2
- •Лабораторная работа № 3
- •Лабораторная работа № 4
- •ЗАДАНИЯ ПО КУРСОВОЙ РАБОТЕ
- •Задание 1. Линейное программирование
- •Задание 2. Нелинейное программирование
- •Задание 3. Математическое описание линейных систем
Следовательно, в точке x1 = [3, 3] функция F(x) достигает максимального значения Fmax = 45.
4.2.8. Метод Левенберга-Марквардта. Рассматриваемый метод является комбинацией метода наискорейшего спуска и метода Ньютона, в которой удачно сочетаются положительные свойства обоих методов. Направление поиска опре-
деляется равенством S k = −[H k + αk I ]−1 F(xk ) . При этом параметр α позволяет не только изменять направление поиска, но и регулировать длину шага. На на-
чальной стадии поиска параметру α0 присваивается достаточно большое значение (например, 104), так что
|
+ α0 I ]−1 = [α0 I ]−1 |
|
1 |
|
|
|
[H 0 |
= |
|
I . |
(4.27) |
||
α0 |
||||||
|
|
|
|
|
Таким образом, большим значениям α0 соответствует направление поиска S0,
совпадающее с направлением – F(x0). При уменьшении величины α до 0 S будет изменяться до направления, определяемого по методу Ньютона. Если в ре-
зультате первого шага F(x1 ) ≤ F(x0 ) , следует выбрать α1 < α0 и реализовать ещё
один шаг, в противном случае следует увеличить α0 , т.е. положить, что α0 = βα0 , где β ≥1, и вновь реализовать предыдущий шаг.
Метод характеризуется относительной простотой, свойством убывания целевой функции при переходе от итерации к итерации, высокой скоростью сходимости в окрестности точки минимума, а также отсутствием процедуры поиска величины шага вдоль направления. Этот метод широко используется при решении задач, в которых функция F(x) записывается в виде суммы квадратов, т.е.
F(x) = F12 (x) + F22 (x) +... + Fm2 (x) .
4.2.9. Установка метода оптимизации в пакете MATLAB. Установка ме-
тода оптимизации осуществляется функциями FMINU, FMINS и LEASTSQ. Вектор управляющих параметров options содержит 18 компонент и предназначен для настройки алгоритмов оптимизации.
Функция FMINU и одно из значений options(6) используются для реализации следующих методов:
1)по умолчанию (options(6) = 0) – метод Broyden-Fletcher-Goldfarb-Shanno;
2)при options(6) = 1 – метод Davidon-Fletcher-Powell;
3)при options(6) = 2 – метод Steepest Descent (наискорейшего спуска), функция FMINS используется для реализации неградиентного симплекс-метода;
4)метод Nelder-Mead.
Функция LEASTSQ и одно из значений options(5) используются для реализации методов:
79