- •Лабораторная работа 1. Исследование методов одномерного поиска минимума унимодальных функций
- •Лабораторная работа 2. Исследование методов полиномиальной интерполяции для поиска минимума целевых функций
- •Лабораторная работа 3. Исследование методов линейного поиска
- •3.1 Требования задания
- •3.2 Контрольные вопросы
- •3.3 Содержание отчета
- •Лабораторная работа 4. Исследование градиентных методов
- •4.1 Требования задания
- •4.2 Контрольные вопросы
- •4.3 Содержание отчета
- •Лабораторная работа 5. Проектирование программы оптимизации
- •5.1 Требования задания
- •5.2 Контрольные вопросы
- •5.3 Содержание отчета
- •Лабораторная работа 6. Исследование модификаций ньютоновских оптимизационных процессов
- •6.1 Требования задания
- •6.2 Контрольные вопросы
- •6.3 Содержание отчета
- •Лабораторная работа 7. Исследование методов безусловной оптимизации первого порядка
- •7.1 Требования задания
- •7.2 Контрольные вопросы
- •7.3 Содержание отчета
- •Лабораторная работа 8. Исследование методов безусловной оптимизации нулевого порядка
- •8.1 Требования задания
- •8.2 Контрольные вопросы
- •8.3 Содержание отчета
- •Лабораторная работа 9. Исследование алгоритмов случайного поиска
- •9.1 Требования задания
- •9.2 Контрольные вопросы
- •8.3 Содержание отчета
- •Приложения Приложение 1. Метод средней точки (метод Больцано)
- •Приложение 2. Метод трехточечного поиска на равных интервалах
- •Приложение 3. Метод Ньютона
- •Приложение 4. Метод линейной интерполяции (метод секущих)
- •Приложение 5. Метод кубической интерполяции для одномерной минимизации
- •Приложение 6. Метод Фибоначчи
- •Приложение 7. Метод Зангвилла
- •Приложение 8. Алгоритм lPтпоиска
- •Приложение 9. Минимизация целевых функций в MicrosoftEcxel8.0
- •Приложение 10. Тестовые функции
- •Список рекомендуемой литературы
9.2 Контрольные вопросы
1. Какие методы применяются при поиске глобального минимума.
2. В чем идея методов случайного поиска и в чем отличие методов случайного поиска от остальных методов нулевого порядка.
3. В чем отличие метода случайного поиска с возвратом при неудачном шаге и метода ЛПτ –поиска.
4. Каким образом можно равномерно покрыть область пробными точками.
5. Когда целесообразно применение алгоритмов случайного поиска.
8.3 Содержание отчета
1. Цель работы и требования задания.
Краткое описание метода оптимизации на основании материала лекционного курса и описание схемы пошагового выполнения вычислительного алгоритма.
Блок-схема программы с пояснением основных ее частей.
Спецификация программы, раскрывающая смысл входных и выходных данных, основных переменных и функций.
Текст программы с детальными комментариями ведущих операторов программы.
Результаты тестирования программы на наборе целевых функций с указанием числа итераций и числа вычислений функций. Таблица, иллюстрирующая вычислительный процесс и изменение ключевых переменных.
Результаты сравнения по числу итераций заданных методов оптимизации при использовании различных критериев окончания поиска, при выборе разных начальных точек x1и при задании различных значений погрешности локализации минимума.
Ответы на контрольные вопросы.
Выводы по работе.
Приложения Приложение 1. Метод средней точки (метод Больцано)
Данный метод является вариантом метода деления интервала пополам. Последовательные сокращения интервала неопределенности производятся на основе оценки производной минимизируемой функции в центре текущего интервала.
Начальный этап. Для запуска метода необходимо:
(1) задать [a1,b1]- начальный интервал локализации минимума, на границах которого знаки производных различны, т.е. f'(a1)f'(b1)<0;- малое положительное число;
(2) установить счетчик числа итераций к=1.
Основной этап
Шаг 1. Взять пробную точку хkв центре текущего интервала и проверить критерий окончания поиска: (1) xk= (ak+ bk)/2; (2) еслиf'(xk)≤и Lk=bk- ak≤, то остановиться (хk= х* -аппроксимирующий минимум).
Шаг 2. Сократить текущий интервал:
(1) Если f (xk) > 0, то положить ak+1= akи bk+1=xk, в противном случае - ak+1=xk, bk+1=bk;
(2) заменить k на k+1 и вернуться на шаг 1.
Приложение 2. Метод трехточечного поиска на равных интервалах
В практических задачах вычисление производной на каждой итерации может оказаться затруднительным, а иногда и просто невозможным. Рассматриваемый метод позволяет сократить интервал локализации минимума на основе сравнения значений функции в пробных точках без вычисления производных.
Начальный этап(1) Задать [a1, b1] - начальный интервал поиска, где a1, b1- границы интервала, удовлетворяющие условию f(a1)f(b1)<0;- погрешность вычисления минимума х*. (2) Положить xm= (a1+ b1)/2 и k = 1.
Основной этап
Шаг 1. Взять две пробные точки x1= ak+ Lk/4 и x2= bk- Lk/4, где Lk=bk- ak- длина текущего интервала. Точки х1, х2и хmделят [ak, bk] на четыре равные части.
Шаг 2. Сократить текущий интервал локализации минимума:
(1) если f1< fm, то положить ak+1= ak, bk+1= xm, xm= x1, перейти на шаг 3;
(2) если f1≥ fm ≤ f2, то положить ak+1= x1, bk+1= x2; иначе - ak+1= xm, bk+1= bk, xm= x2.
Шаг 3. Проверить критерий окончания поиска:
(1) заменить k на k +1;
(2) если Lk=bk- ak≤, то остановиться. Если данное условие не выполняется, вернуться на шаг 1.