
- •Экзаменационные вопросы
- •1 Постановка задачи. Локальные и глобальные экстремумы
- •2 Задача максимизации функции
- •3 Необходимые и достаточные условия локального экстремума. Классический метод нахождения экстремумов функций
- •3.1 Классический метод
- •4 Метод деления отрезка пополам
- •5 Метод золотого сечения
- •5.1 Модификация метода золотого сечения
- •6 Симметричные методы
- •6.1 Постановка задачи об оптимальных методах
- •6.2 Оптимальный пассивный метод для задачи А (метод равномерного перебора)
- •6.3 Оптимальный последовательный метод для задачи А (метод Фибоначчи)
- •7 Метод ломаных
- •7.1 Описание метода ломаных
- •7.2 Сходимость метода ломаных
- •7.3 Определение константы L
- •7.4 Достоинства и недостатки метода ломаных
- •9 Линейные пространства
- •10 Постановка задачи минимизации
- •12 Численные методы безусловной минимизации
- •13 Общая схема градиентого спуска
- •13.1 Градиентые методы с дроблением шага
- •13.2 Метод наискорейшего спуска
- •13.3.1 О сходимости градиентого метода
- •13.4 Методы покоординатного спуска (для отыскания безусловного экстремума)
- •13.4.1 Метод покоординатного спуска без вычисления производных
- •13.4.2 Рекомендации по применению этого метода
- •14 Относительный (условный) экстремум
- •15.1 Метод исключения
- •15.3 Метод Лагранжа
- •17 Обобщенная функция Лагранжа
- •17.1 Обобщеный метод множителей Лагранжа
- •17.2 Единственность вектора Лагранжа для нормального оптимального плана
- •18 Общая задача математического программирования
- •19 Выпуклые множества
- •19.1 Выпуклые функции
- •20 Дифференциальные условия оптимальности в задаче математического программирования
- •21.2 Метод проекции градиента
- •21.3 Проекция точки на гиперплоскость
- •21.4 Проекция точки на аффинное множество
- •21.5 Проекция точки на шар
- •21.6 Проекция точки на замкнутое полупространство
- •21.8 Метод покоординатного спуска для отыскания условного экстремума
- •22 Метод штрафных ф-ий
- •22.1 Метод внешних штрафных функций
- •22.2 Метод барьерных функций
- •22.2.1 Описание метода барьерных функций (для решения задачи 6.1)
- •23 Общая задача ЛП и ее канонические формы
- •23.1.3 Переход к эквивалентой системе неравенств
- •23.1.4 Переход от задачи минимизации к задаче максимизации
- •24 Различные формы записи задачи ЛП
- •24.1 Развернутая форма задачи ЛП
- •24.2 Векторная форма
- •24.3 Матричная форма
- •24.4 План. Опорный план. Оптимальный план
- •25 Выпуклые многогранники
- •26 Геометрическая интерпретация задачи ЛП
- •26.1 Свойства решения задачи ЛП
- •26.2 Графический метод решения задачи ЛП
- •27 Симплексный метод решения задач ЛП
- •27.1 Построение опорных планов
- •27.2 Отыскание оптимального плана. Условия оптимальности
- •27.3 Алгоритм симплексного метода. Симплексная таблица
- •27.3.1 Правила заполнения таблицы
- •27.3.2 Анализ симплексной таблицыx
- •27.3.3 Переход к новому опорному плану
- •27.3.4 Замечание к решению задачи на максимум
- •28 Методы искусcтвенного базиса
- •28.1 Метод больших штрафов
- •28.2 Двухэтапный метод
- •29 Вариация и ее свойства
- •30 Уравнение Эйлера
- •31 Простейшие случаи интегрируемости уравнения Эйлера
8
>3x1 + x2 > 9
<
x1 + 2x2 > 8
>
:x1 + 6x2 > 11
x1 > 0 x2 > 0 4x1 + 6x2 = 0 x1 = 3 x2 = 2 c1 = 4 c2 = 6
градиент N(2; 3)
Минимум целевой ф-и достигается в точке B Определяем координаты точки B
(
3x1 + x2 = 9 = 2 x1 + 2x2 = 8
(
x1 = 2 x2 = 3
f = 4x1 + 6x2
27 Симплексный метод решения задач ЛП
Для решения задачи ЛП необходимо исследовать только угловые точки многогранника решений т.е. опорные планы. Кол-во опорных планов велико. При больших n и m найти оптимальный план путем прямого путем последовательного перебора всех опорных планов практически невозможно. Для решения нужен метод целенаправленного перебора всех опорных планов. Таким методом является симплексный метод.
Алгоритм метода включает:
1.определение (построение) первоначального опорного плана
2.проверка оптимальности найденного опорного плана
3.если найденный опорный план не оптимален, то с помощью специальных вычислительных процедур переходят к новому опорному плану и затем к пункту 2. Процесс продолжается до получения оптимального плана
27.1Построение опорных планов
Найти минимум ф-и |
|
|
|
|
|
8a21x1 |
f = c1x1 + ::: + cnxn (8:4) |
||
|
+ a22x2 |
+ ::: + a2n = b2 |
||
|
> |
a11x1 |
+ a12x2 |
+ ::: + a1n = b1 |
|
> |
|
|
|
|
> |
|
|
|
|
> |
|
|
|
|
> |
|
|
+ ::: + ann = bn |
|
<an1x1 + an2x2 |
|||
|
>::: |
|
(8:5) |
|
|
>xj > 0 |
j = 1; 2; :::; n |
||
|
> |
|
|
|
|
> |
|
|
|
|
> |
|
|
|
|
> |
|
|
|
|
> |
|
|
|
где все bi > 0 i = 1; 2; :::; |
: |
|
|
|
|
n |
|
|
|
Предположим, что система (8:5) содержит n единичных векторов и пусть единичными являются первые m векторов, тогда задачу (8:4) (8:5) можно записать в виде
f = c1x1 + c2x2 + ::: + cnxn (8:6)
при ограничениях
52
8
>x1 + a1;m+1xm+1 + ::: + a1nxn = b1
>
>
<x2 + a2;m+1xm+1 + ::: + a2nxn = b2
(8:7)
>:::
>
>
:xn + an;m+1xm+1 + ::: + annxn = bn
xj > 0 j = 1; 2; :::; n (8:8)
где все bi > 0 i = 1; 2; :::; n
Запишем систему (8:7) в векторной форме
x1A1 + x2A2 + ::: + xmAm + xm+1Am+1 + ::: + xnAn = A0 (8:9)
где
A1 = |
0 |
0 |
1 A2 = |
0 |
1 |
1 |
... Am = |
0 |
0 |
1 |
|
||||||
|
|
|
B |
1 |
|
|
|
B |
0 |
|
|
|
B |
0 |
|
|
|
|
|
|
0 C |
|
|
0 C |
|
|
1 C |
|
|||||||
|
|
|
B C |
|
|
B C |
|
|
B C |
|
|||||||
|
|
|
|
|
::: |
|
|
|
@ |
::: |
A |
|
|
@ |
::: |
A |
|
|
|
|
@ A |
|
|
|
|
|
|
|
|||||||
Am+1 |
= |
0a2;m+1 |
1 |
... An = |
0a2n |
1 A0 |
= 0b2 |
1 |
|||||||||
|
|
|
a1;m+1 |
C |
|
|
|
|
a1n |
C |
|
|
b1 |
C |
|||
|
|
Ba |
|
::: |
|
|
|
|
Ba::: |
|
|
Bb::: |
|||||
|
|
B |
m;m+1C |
|
|
|
|
B mnC |
|
|
B mC |
||||||
|
|
@ |
|
|
|
|
A |
|
|
|
|
@ |
A |
|
|
@ |
A |
Векторы A1; :::; Am линейно-независимые единичные векторы m-мерного пространства, поэтому они образуют базис
Определение. Неизвестные xj, которые являются множителями при векторах базиса в разложении (8:9) будем называть базисными неизвестными. Остальные неизвестные xj будем называть внебазисными или свободными неизвестными.
Выбирая в кач-ве неизвестных x1; :::; xm. Свободные неизвестные xm+1; :::; xn приравниваем к 0. Учитывая, что в системе ограничений (8:7) все правые части bi > 0, а векторы A1; :::; Amединичные, то получим первоначальный опорный план
X(0) = (x1 = b1; :::; xm = bm; xm+1 = 0; :::; xn = 0) (8:10)
Плану (8:10) соотвествует разложение
x1A1 + x2A2 + ::: + xmAm = A0 (8:11)
Рассмотрим вопрос о том, как от первоначального опорного плана (8:10) перейти ко второму (следующему) опорному плану. Так как векторы A1; :::; Amобразуют базис, то каждый из векторов в соотношении (8:9) можно разложить по векторам этого базиса. Получим
m
P
Aj = xijAi i = 1; 2; :::; n
j=1
Пусть j = m + 1. Тогда при таком j получим
x1;m+1A1 + x2;m+1A2 + ::: + xm;m+1Am = Am+1(8:12)
Предположим, что в разложении (8:12) хотя бы один из коэффициентов xi;m+1 > 0. Зададимся величиной > 0. Умножим (8:12) на и вычтем почленно из равенства (8:11). Получим:
(x1 x1;m+1)A1 + (x2 x2;m+1)A2 + ::: + (xm xm;m+1)Am + Am+1 = A0 (8:13)
Следовательно вектор
X(1) = (x1 x1;m+1; x2 x2;m+1; :::; xm xm;m+1; ; 0; :::0)
будет решением или планом задачи (8:6) (8:8) если его компоненты неотрицательны. Так как > 0, то все компоненты вектора X(1) в которых xi;m+1 < 0 будут неотрицательными. Поэтому рассмотрим только компоненты, включающие положительные xi;m+1. Определим такое > 0 при котором для всех xi;m+1 > 0 выполняются неравенства
xi xi;m+1 > 0 (8:14)
53
Из (8:14) следует, что
6 |
|
xi |
||
xi;m+1 |
|
|
||
Поэтому вектор X(1) является планом, при любом удовлетворяющим условию |
||||
0 < 6 min |
xi |
(8:15) |
||
|
||||
i |
xi;m+1 |
где минимум берется по все индексам i, для которых xi;m+1 > 0
Однако опорный план не может содержать более m + 1 положительных компонент, поэтому в плане X(1) необходимо обратить в 0 хотя бы одну из компонент. Пусть эта компонента стоит на первом месте. Т.е.
0 = min |
xi |
= |
x1 |
|
xi;m+1 |
x1;m+1 |
|||
i |
|
|||
|
|
|
||
Подставляя в (8:13) получаем разложение |
|
|
|
x02A2 + x03A3 + ::: + x0mAm + x0m+1Am+1 = A0
которому соотвествует новый опорный план
X(1) = (0; x02; x03; :::; x0m; x0m+1; 0; :::; 0)
где
x0i = xi 0xi;m+1i = 2; 3; :::; m
x0m+1 = 0
Следовательно, процесс получения новых опорных планов заключается в выборе вектора, который подлежит включению в базис и определению вектора, подлежащего исключению из базиса.
27.2Отыскание оптимального плана. Условия оптимальности
Предположим, что каждый опорный план задачи (8:6) (8:8) невырожден (ровно m положительных компонент), тогда для опорного плана (8:10) имеем разложение
x1A1 + x2A2 + ::: + xmAm = A0(8:19)
x1c1 + x2c2 + ::: + xmcm = f(X(0)) (8:20)
где все xj > 0.
Разложение любого вектора Aj по векторам данного базиса A1; :::; Am имеет вид
x1jA1 + x2jA2 + ::: + xmjAm = Aj j = 1; 2; :::; m (8:21)
Подставим коэффициенты x1j; x2j; :::; xmjиз выражения (8:21) в (8:20) вместо неизвестных x1; x2; :::; xm. Получим
x1jc1 + x2jc2 + ::: + xmjcm = fj (8:22)
Теорема 8.1. Если для вектора A |
|
выполняется fj |
|
cj > 0, то план X(0) |
не является оптимальным |
|
|
j |
|
(0) |
|
|
|
и можно построить план X, для которого f(X) < f(X |
|
) |
|
|
Док-во. Умножим (8:21) и (8:22) на некоторую величину > 0 и вычтем соотвественно из (8:19) и (8:20). Получим
(x1 x1j)A1 + (x2 x2j)A2 + ::: + (xn xnj)An + Aj = A0 (8:23)
(x1 x1j)c1 + (x2 x2j)c2 + ::: + (xn xnj)cn + cj = f(X(0)) (fj cj) (8:24)
В (8:24) к обеим частям прибавлены слагаемые cj. Так как в (8:23) все неизвестные x1; x2; :::; xm положительны, то можно выбрать такое > 0, что все коэффициенты при векторах A1; A2; :::; Am; Aj будут неотрицательными. Тогда получим новый опорный план
X = (x1 x1j; x2 x2j; :::; xm xmj; ; 0; :::; 0)
54